MétaCan
Menu
Retour à la cohorte
Enregistrement W4388421410 · doi:10.1002/cpz1.922

Using ExpressAnalyst for Comprehensive Gene Expression Analysis in Model and Non‐Model Organisms

2023· review· en· W4388421410 sur OpenAlexaff
Jessica Ewald, Guangyan Zhou, Yao Lü, Jianguo Xia

Notice bibliographique

RevueCurrent Protocols · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGene expression and cancer classification
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésNormalization (sociology)Computer scienceDNA microarrayComputational biologyGene expression profilingProtocol (science)Data miningBiologyGene expressionGeneGenetics

Résumé

récupéré en direct d'OpenAlex

ExpressAnalyst is a web-based platform that enables intuitive, end-to-end transcriptomics and proteomics data analysis. Users can start from FASTQ files, gene/protein abundance tables, or gene/protein lists. ExpressAnalyst will perform read quantification, gene expression table processing and normalization, differential expression analysis, or meta-analysis with complex study designs. The results are presented via various interactive visualizations such as volcano plots, heatmaps, networks, and ridgeline charts, with built-in functional enrichment analysis to allow flexible data exploration and understanding. ExpressAnalyst currently contains built-in support for 29 common organisms. For non-model organisms without good reference genomes, it can perform comprehensive transcriptome profiling directly from RNA-seq reads. These common tasks are covered in 11 Basic Protocols. © 2023 The Authors. Current Protocols published by Wiley Periodicals LLC. Basic Protocol 1: RNA-seq count table uploading, processing, and normalization Basic Protocol 2: Differential expression analysis with linear models Basic Protocol 3: Functional analysis with volcano plot, enrichment network, and ridgeline visualization Basic Protocol 4: Hierarchical clustering analysis of transcriptomics data using interactive heatmaps Basic Protocol 5: Cross-species gene expression analysis based on ortholog mapping results Basic Protocol 6: Proteomics and microarray data processing and normalization Basic Protocol 7: Preparing multiple gene expression tables for meta-analysis Basic Protocol 8: Statistical and functional meta-analysis of gene expression data Basic Protocol 9: Functional analysis of transcriptomics signatures Basic Protocol 10: Dose-response and time-series data analysis Basic Protocol 11: RNA-seq reads processing and quantification with and without reference transcriptomes.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0180,020

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,331
Tête enseignante GPT0,486
Écart entre enseignants0,154 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent ProtocolsMême sujetGene expression and cancer classificationTravaux en français237 207