返回
Tisslet tissues-based learning estimation for transcriptomics
DOI:10.1186/s12859-024-06025-9.png)
摘要
En 中文
在多组学数据分析各种疾病的背景下,利用遗传预测的基因表达进行的全转录组关联研究有望识别与复杂性状相关的新型区域。然而,现有针对多组织基因表达预测的方法通常未能考虑组织-组织表达相互作用,从而限制了其准确性和有效性。本研究通过基于非线性多变量模型纳入组织-组织表达相关性,解决了跨多组织预测基因表达的挑战。我们的发现表明,该模型在估计组织-组织相互作用和准确预测缺失数据方面表现优异。这些结果对多组学数据分析及全转录组关联研究具有重要意义,提示了一种识别与复杂性状相关区域的新方法。
Keyword:
Transcriptomics
Multiple-tissues
Machine learning
Sparse covariance matrix
EQTL
Likelihood estimator
期刊
IF:
3.3
论文数:
584
被引数:
5.2W
机构
引用论文
Estimation of the Generalized Extreme-Value Distribution by the Method of Probability-Weighted Moments用概率加权矩法估计广义极值分布
Estimating and Testing Quantile-based Process Capability Indices for Processes with Skewed Distributions基于分位数的方法估算和检验具有偏态分布过程的工序能力指数
A statistical framework for cross-tissue transcriptome-wide association analysis跨组织转录组关联分析的统计框架
NATURE GENETICS
IF31.8
A large-scale analysis of tissue-specific pathology and gene expression of human disease genes and complexes人类疾病基因和复合物的组织特异性病理学和基因表达的大规模分析

