-
Something wrong with this record ?
Statistické metody v analýze dat z DNA mikročipů
[Statistical methods for analysing gene expression microarray data]
Pavlík T., Jarkovský J.
Language Czech Country Czech Republic
Document type Review
Grant support
NR9076
MZ0
CEP Register
Digital library NLK
Full text - Article
Volume
Source
Source
- MeSH
- Discriminant Analysis MeSH
- Gene Expression genetics MeSH
- Financing, Organized MeSH
- Humans MeSH
- Oligonucleotide Array Sequence Analysis methods statistics & numerical data utilization MeSH
- Cluster Analysis MeSH
- Models, Statistical MeSH
- Statistics as Topic MeSH
- Models, Theoretical MeSH
- Check Tag
- Humans MeSH
- Publication type
- Review MeSH
Mohutný rozvoj molekulárně biologických metod v posledních deseti letech je charakterizován produkcí velkého množství dat. Nejinak je tomu i v případě technologie DNA mikročipů, která umožňuje v jednom experimentu sledovat expresi desítek tisíc genů najednou. Kvantum získaných experimentálních dat je však pro relevantní medicínské závěry nutné vhodně analyzovat a interpretovat. Tento článek je věnován statistickým metodám, které lze pro hodnocení dat získaných z DNA mikročipů použít. Tyto metody lze rozdělit do tří velkých skupin: shlukovací metody, metody pro identifikaci rozdílně exprimovaných genů a klasifikační metody. Shlukovací metody slouží k nalezení homogenních skupin pacientů s podobným expresním profilem nebo skupin genů s podobným chováním, metody pro identifikaci rozdílně exprimovan ých genů hledají geny specifické svojí aktivitou pro určitou biologickou tkáň, zatímco klasifikační metody slouží k nalezení diskriminačního pravidla pro přesnou diagnostiku nových pacientů do jedné z definovaných skupin.
Last decade led to massive progress in the molecular biology methods which was accompanied by the production of large amount of data. This is also the case of the gene expression microarray technology that makes it feasible to study thousands of genes simultaneously. However, for relevant medical inference there is the need for appropriate evaluation and interpretation of this large quantity of experimental data. This paper is dedicated to statistical methods that can be used for the evaluation of gene expression data. These methods can be split into three main categories: clustering methods, methods for identification of differentially expressed genes and classification techniques. Clustering methods can be used for finding of homogenous groups of patients or genes with similar expression profile, methods for identification of differentially expressed genes find genes specific for activity of certain biological tissue while classification techniques are used for setting up a discrimination rule for precise diagnostics of newly diagnosed patients to one of the previously defined classes.
Statistical methods for analysing gene expression microarray data
Čipové technologie v onkologickém výzkumu a praxi
Lit.: 16
- 000
- 00000naa 2200000 a 4500
- 001
- bmc09002921
- 003
- CZ-PrNML
- 005
- 20160718102953.0
- 008
- 091112s2006 xr e cze||
- 009
- AR
- 040 __
- $a ABA008 $b cze $c ABA008 $d ABA008 $e AACR2
- 041 0_
- $a cze $b eng
- 044 __
- $a xr
- 100 1_
- $a Pavlík, Tomáš $7 xx0093293
- 245 10
- $a Statistické metody v analýze dat z DNA mikročipů / $c Pavlík T., Jarkovský J.
- 246 11
- $a Statistical methods for analysing gene expression microarray data
- 246 13
- $a Čipové technologie v onkologickém výzkumu a praxi
- 314 __
- $a Institut biostatistiky a analýz, Přírodovědecká a lékařská fakulta Masarykovy univerzity, Brno
- 504 __
- $a Lit.: 16
- 520 3_
- $a Mohutný rozvoj molekulárně biologických metod v posledních deseti letech je charakterizován produkcí velkého množství dat. Nejinak je tomu i v případě technologie DNA mikročipů, která umožňuje v jednom experimentu sledovat expresi desítek tisíc genů najednou. Kvantum získaných experimentálních dat je však pro relevantní medicínské závěry nutné vhodně analyzovat a interpretovat. Tento článek je věnován statistickým metodám, které lze pro hodnocení dat získaných z DNA mikročipů použít. Tyto metody lze rozdělit do tří velkých skupin: shlukovací metody, metody pro identifikaci rozdílně exprimovaných genů a klasifikační metody. Shlukovací metody slouží k nalezení homogenních skupin pacientů s podobným expresním profilem nebo skupin genů s podobným chováním, metody pro identifikaci rozdílně exprimovan ých genů hledají geny specifické svojí aktivitou pro určitou biologickou tkáň, zatímco klasifikační metody slouží k nalezení diskriminačního pravidla pro přesnou diagnostiku nových pacientů do jedné z definovaných skupin.
- 520 9_
- $a Last decade led to massive progress in the molecular biology methods which was accompanied by the production of large amount of data. This is also the case of the gene expression microarray technology that makes it feasible to study thousands of genes simultaneously. However, for relevant medical inference there is the need for appropriate evaluation and interpretation of this large quantity of experimental data. This paper is dedicated to statistical methods that can be used for the evaluation of gene expression data. These methods can be split into three main categories: clustering methods, methods for identification of differentially expressed genes and classification techniques. Clustering methods can be used for finding of homogenous groups of patients or genes with similar expression profile, methods for identification of differentially expressed genes find genes specific for activity of certain biological tissue while classification techniques are used for setting up a discrimination rule for precise diagnostics of newly diagnosed patients to one of the previously defined classes.
- 650 _2
- $a sekvenční analýza hybridizací s uspořádaným souborem oligonukleotidů $x metody $x statistika a číselné údaje $x využití $7 D020411
- 650 _2
- $a statistika jako téma $7 D013223
- 650 _2
- $a exprese genu $x genetika $7 D015870
- 650 _2
- $a shluková analýza $7 D016000
- 650 _2
- $a diskriminační analýza $7 D016002
- 650 _2
- $a teoretické modely $7 D008962
- 650 _2
- $a statistické modely $7 D015233
- 650 _2
- $a lidé $7 D006801
- 650 _2
- $a financování organizované $7 D005381
- 655 _2
- $a přehledy $7 D016454
- 700 1_
- $a Jarkovský, Jiří $7 stk2008461294
- 773 0_
- $w MED00011030 $t Klinická onkologie $g Roč. 19, Suppl. 2, prosinec (2006), s. 365-368 $x 0862-495X
- 773 0_
- $t Čipové technologie v onkologickém výzkumu a praxi $x 0862-495X $g Roč. 19, Suppl. 2, prosinec (2006), s. 365-368 $w MED00189160
- 856 41
- $u https://www.linkos.cz/files/klinicka-onkologie/33/681.pdf $y plný text volně přístupný
- 910 __
- $a ABA008 $b B 1665 $c 656 $y 8 $z 0
- 990 __
- $a 20091104114521 $b ABA008
- 991 __
- $a 20160718103201 $b ABA008
- 999 __
- $a ok $b bmc $g 692085 $s 553994
- BAS __
- $a 3
- BMC __
- $a 2006 $b 19 $c Suppl. 2, prosinec $d 365-368 $i 0862-495X $m Klinická onkologie $x MED00011030
- BMC __
- $a 2006 $b 19 $c Suppl. 2, prosinec $d 365-368 $i 0862-495X $m Čipové technologie v onkologickém výzkumu a praxi $x MED00189160
- GRA __
- $a NR9076 $p MZ0
- LZP __
- $a 2009-02/iral