최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.23 no.1, 2012년, pp.1 - 11
이선호 (세종대학교 응용통계) , 이광현 (세종대학교 응용통계)
When the microarray experiment developed, main interest was limited to detect differentially expressed genes associated with a phenotype of interest. However, as human diseases are thought to occur through the interactions of multiple genes within a same functional category, the unit of analysis of ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
초기의 마이크로어레이 분석의 대표적 예는? | 초기의 마이크로어레이 분석은 환자들의 임상 결과가 이진자료 (종양/정상, 전이 여부 등)인 표현형 (phenotype)에 따라 특이발현 양상을 보이는 유전자를 개별적으로 찾아내는 단일유전자 위주의 분석으로서 Tusher 등 (2001)의 SAM (Significance Analysis of Microarrays)과 Tibshirani 등 (2002)의 PAM (Prediction Analysis for Microarrays)이 대표적이다. 하지만 단일유전자 분석은 결과 해석이 어려울 수 있고, 동일 질병에 관한 서로 다른 자료의 분석 결과들 사이에 일치성이 낮으며 유전자수가 많아서 생기는 다중 검정의 한계 등이 문제점으로 제기되었다 (Subramanian 등, 2005). | |
초기의 마이크로어레이 분석의 한계는? | 초기의 마이크로어레이 분석은 환자들의 임상 결과가 이진자료 (종양/정상, 전이 여부 등)인 표현형 (phenotype)에 따라 특이발현 양상을 보이는 유전자를 개별적으로 찾아내는 단일유전자 위주의 분석으로서 Tusher 등 (2001)의 SAM (Significance Analysis of Microarrays)과 Tibshirani 등 (2002)의 PAM (Prediction Analysis for Microarrays)이 대표적이다. 하지만 단일유전자 분석은 결과 해석이 어려울 수 있고, 동일 질병에 관한 서로 다른 자료의 분석 결과들 사이에 일치성이 낮으며 유전자수가 많아서 생기는 다중 검정의 한계 등이 문제점으로 제기되었다 (Subramanian 등, 2005). | |
초기의 마이크로어레이 분석의 원리를 설명하시오. | 초기의 마이크로어레이 분석은 환자들의 임상 결과가 이진자료 (종양/정상, 전이 여부 등)인 표현형 (phenotype)에 따라 특이발현 양상을 보이는 유전자를 개별적으로 찾아내는 단일유전자 위주의 분석으로서 Tusher 등 (2001)의 SAM (Significance Analysis of Microarrays)과 Tibshirani 등 (2002)의 PAM (Prediction Analysis for Microarrays)이 대표적이다. 하지만 단일유전자 분석은 결과 해석이 어려울 수 있고, 동일 질병에 관한 서로 다른 자료의 분석 결과들 사이에 일치성이 낮으며 유전자수가 많아서 생기는 다중 검정의 한계 등이 문제점으로 제기되었다 (Subramanian 등, 2005). |
Adewale, A. J., Dinu, I., Potter, J. D. and Yasui, Y. (2008). Pathway analysis of microarray data via regression. Journal of Computational Biology, 15, 269-277.
Barry, W. T., Nobel, A. B. and Wright, F. A. (2005). Significance analysis of functional categories in gene expression studies: A structured permutation approach. Bioinformatics, 21, 1943-1949.
Benjamini, Y. and Yekutieli, D. (2001). The control of the false discovery rate in multiple testing under dependency. Annals of Statistics, 29, 1165-1188.
Blom, G. (1958). Statistical estimates and transformed beta-variables, John Wiley & Sons, New York.
Cox, D. R. (1972). Regression models and life-tables. Journal of Royal Statistical Society, 34, 187-220.
Dinu, I., Potter, J. D., Mueller, T., Liu, Q., Adewale, A. J., Jhangri, G. S., Einecke, G., Famulski, K. S. Halloran, P. and Yasui, Y. (2007). Improving gene set analysis of microarray data by SAM-GS. BMC Bioinformatics, 8, 242.
Dressman, H. K., Berchuck, A., Chan, G., Zhai, J., Bild, A., Sayer, R., Cragun, J., Clarke, J., Whitaker, R. S., Li, L. et al. (2007). An integrated genomic-based approach to individualized treatment of patients with advanced-stage ovarian cancer. Journal of Clinical Oncology, 25, 517-525.
Goeman, J. J., Van de Geer, S. A., De Kort, F. and Van Houwelingen, H. C. (2004). A global test for groups of genes: Testing association with a clinical outcome. Bioinformatics, 20, 93-99.
Goeman, J. J., Oosting, J., Cleton-Jansen, A. M., Anninga, J. K. and Van Houwelingen, H. C. (2005). Testing association of a pathway with survival using gene expression data. Bioinformatics, 21, 1950-1957.
Kim, S. Y. and Volsky, D. J. (2005). PAGE: Parametric analysis of gene set enrichment. BMC Bioinformatics, 6, 14.
Lee, S. Y., Kim, J. H. and Lee. S. (2011). A comparative study on gene-set analysis methods for assessing differential expression associated with the survival phenotype. BMC Bioinformatics, 12, 377.
Liu, Q., Dinu, I., Adewale, A. J., Potter, J. D. and Yasui, Y. (2007). Comparative evaluation of gene-set analysis methods. BMC Bioinformatics, 8, 431.
Loi, S., Haibe-Kains, B., Desmedt, C., Wirapati, P., Lallemand, F., Tutt, A. M., Gillet, C., Ellis, P., Ryder, K., Reid, J. F. et al. (2008). Predicting prognosis using molecular profiling in estrogen receptor-positive breast cancer treated with tamoxifen. BMC Genomics, 22, 239.
Mansmann, U. and Meister, R. (2005). Testing differential gene expression in functional groups, Goeman's global test versus an ANCOVA approach. Methods on Information in Medicine, 44, 449-53.
Mootha, V. K., Lindgren, C. M., Eriksson, K. F., Subramanian, A., Sihag, S., Lehar, J., Puigserver, P., Carlsson, E., Ridderstrale, M., Laurila, E. et al. (2003). PGC-1alpha-responsive genes involved in oxidative phospho- rylation are coordinately downregulated in human diabetes. Nature Genetics, 34, 267-273.
Pavlidis, P., Lewis, D. and Nobel, W. S. (2002). Exploring gene expression data with class scores. Pacific Symposium on Biocomputing. 474-485.
Subramanian, A., Subramanian, A., Tamayo, P., Mootha, V. K., Mukherjee, S., Ebert, B.L., Gillette, M. A., Paulovich, A., Pomeroy, S.L., Golub, T. R., Lander, E. S., Mesirov, J. P. et al. (2005). Gene set enrichment analysis: A knowledge-based approach for interpreting genome-wide expression profiles. Proceedings of the National Academy of Sciences, 102, 15545-15550.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.