Högskolan i Skövde

his.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • apa-cv
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Disease modules identification in heterogenous diseases with WGCNA method
Högskolan i Skövde, Institutionen för biovetenskap. (Bioinformatics)
2019 (Engelska)Självständigt arbete på avancerad nivå (magisterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
Abstract [en]

The widely collected and analyzed genetic data help in understanding the underlying mechanisms of heterogeneous diseases. Cellular components interact in a network fashion where genes are nodes and edges are the interactions. The failure in individual genes lead to dys-regulation of sub-groups of genes which causes a disease phenotype, and this dys-functional region is called a disease module. Disease module identification in complex diseases such as asthma and cancer is a huge challenge. Despite the development of numerous sophisticated methods there is a still no gold standard. In this study we apply different parameter settings to test the performance of a widely used method for disease module detection in multi-omics data called Weighted Gene Co-expression Network Analysis (WGCNA). A systematic approach is used to identify disease modules in asthma and arthritis diseases. The accuracy of obtained modules is validated by a pathway scoring algorithm (PASCAL) and GWAS SNP enrichment. Our results differ between the tested data sets and therefore we cannot conclude with recommendations for an optimal setting that could perform best for multiple data sets using this method.

Ort, förlag, år, upplaga, sidor
2019. , s. 52
Nyckelord [en]
disease module, WGCNA, parameter settings
Nationell ämneskategori
Bioinformatik och systembiologi
Identifikatorer
URN: urn:nbn:se:his:diva-16692OAI: oai:DiVA.org:his-16692DiVA, id: diva2:1295665
Ämne / kurs
Bioinformatik
Utbildningsprogram
Bioinformatik - magisterprogram
Handledare
Examinatorer
Tillgänglig från: 2019-03-26 Skapad: 2019-03-12 Senast uppdaterad: 2019-03-26Bibliografiskt granskad

Open Access i DiVA

fulltext(1934 kB)1034 nedladdningar
Filinformation
Filnamn FULLTEXT02.pdfFilstorlek 1934 kBChecksumma SHA-512
04df5be5fbb984af71053b58c8ac37fb2700186978410efb75db98f174fa204493c0da295bd0993d1a976d9ae5666c30c159e17488365dc073e5405975f14d01
Typ fulltextMimetyp application/pdf

Av organisationen
Institutionen för biovetenskap
Bioinformatik och systembiologi

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 1034 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 1168 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • apa-cv
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf