Abstract | Keywords | Export | Availability | Bookmark

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

La recherche d’information biologiquement pertinente à partir de données « omics » est un défi majeur dans les analyses d’expression à l’échelle du génome. Les données « omics » ne génèrent pas toutes la même quantité de variables. Cependant, les algorithmes de détection de voies de signalisation sont utilisés uniformément. La question de la relevance des voies de signalisation détectées avec des jeux de données moins denses en information peut donc se poser. Dans cette étude, nous évaluons comment la variation de la quantité de data background dans un jeu de données transcriptomiques influe sur les résultats générés par GSEA, l’algorithme le plus communément utilisé par la communauté scientifique pour la recherche de voies de signalisation biologiques.

RNA-seq, NGS, GSEA, DESeq2, bioinformatics, biostatistics --- Sciences de la santé humaine > Médecine de laboratoire & technologie médicale