Key points are not available for this paper at this time.
संक्षिप्त परिचय: पूर्ववर्ती जैविक ज्ञान जीन-प्रकाशन डेटा की सार्थक व्याख्या को बहुत आसान बनाता है। साहित्य से निकाली गई व्यक्तिगत रिश्तों से निर्मित कारणात्मक नेटवर्क इस कार्य के लिए विशेष रूप से उपयुक्त हैं, क्योंकि वे ऐसे यांत्रिक सिद्धांत बनाते हैं जो डेटासेट में देखे गए प्रकाशन परिवर्तन को समझाते हैं। परिणाम: हम जीन-प्रकाशन डेटा के उर्ध्वाधर नियामक नेटवर्क को अवलोकन करने और स्कोर करने के लिए एक बड़े पैमाने पर कारणात्मक नेटवर्क से प्राप्त एल्गोरिदम और उपकरणों का एक सेट प्रस्तुत और चर्चा करते हैं। हम इस विधि को जैविक कार्यों और रोगों पर डाउनस्ट्रीम प्रभावों की भविष्यवाणी करने के लिए विस्तारित करते हैं और उदाहरण डेटासेट पर लागू करके हमारे दृष्टिकोण की वैधता को प्रदर्शित करते हैं। उपलब्धता: कारणात्मक विश्लेषण उपकरण 'उर्ध्वाधर नियामक विश्लेषण', 'यांत्रिक नेटवर्क', 'कारणात्मक नेटवर्क विश्लेषण' और 'डाउनस्ट्रीम प्रभाव विश्लेषण' इंजीनिटी पाथवे विश्लेषण (IPA, http://www.ingenuity.com) में लागू और उपलब्ध हैं। अनुपूरक जानकारी: अतिरिक्त सामग्री बायोइंफॉर्मेटिक्स ऑनलाइन पर उपलब्ध है।
Krämer et al. (शुक्रवार,) ने इस प्रश्न का अध्ययन किया।
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: