Identification of biologically significant genes using Gene Ontology (GO) and pathways analysis (144.16)
Notice bibliographique
Résumé
Abstract Due to the small sample size and high dimensionality, it is not always possible to identify all of the biologically relevant genes from microarray analysis by simply selecting an arbitrary fold change and p-value thresholds. Such concerns are especially relevant in the analysis of immune response. It has been long known that large variability exist in immune responsiveness with the coefficient of variation (CV) as high as 230% reported for antibody response. Similarly, immune related genes were shown to have CV in excess of 100%. As a consequence, some genes involved in immune response will never be detected as differentially expressed as the number of replications required to detect statistically significant effects may be unobtainable even in well-designed experiments. To better understand which biological pathways were affected by allergenic response to ovomucoid treatment in mouse spleen, two gene sets for GO analysis were selected using different selection criteria. First set included differentially expressed genes that were biologically and statistically significant between treatments (>1.5 fold, P<0.05). Genes for the second gene set were selected based only on their biological significance (>1.5 fold). It is demonstrated that not only new biologically significant genes were identified in previously detected GO and pathway categories (p<0.05) but completely new categories (p<0.05) were detected using second gene set.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».