Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Stochastic Models of Cell Proliferation Kinetics Based on Branching Processes Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Analyzing Gene Pathways from Microarrays to Sequencing Platforms

verfasst von : Jeffrey Miecznikowski, Dan Wang, Xing Ren, Jianmin Wang, Song Liu

Erschienen in: Statistical Modeling for Biological Systems

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Genetic microarrays have been the primary technology for quantitative transcriptome analysis since the mid-1990s. Via statistical testing methodology developed for microarray data, researchers can study genes and gene pathways involved in a disease. Recently a new technology known as RNA-seq has been developed to quantitatively study the transcriptome. This new technology can also study genes and gene pathways, although the statistical methodology used for microarrays must be adapted to this new platform. In this manuscript, we discuss methods of gene pathway analysis in microarrays and next generation sequencing and their advantages over standard “gene by gene” testing schemes.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel The Generalized ANOVA: A Classic Song Sung with Modern Lyrics
Nächstes Kapitel A New Approach for Quantifying Uncertainty in Epidemiology
Literatur
1.
Allison, D. B., Cui, X., Page, G. P., & Sabripour, M. (2006). Microarray data analysis: From disarray to consolidation and consensus. Nature Reviews Genetics, 7, 55–65.CrossRef
2.
Efron, B., & Tibshirani, R. (2007). On testing the significance of sets of genes. The Annals of Applied Statistics, 1, 107–129.MathSciNetCrossRef
3.
Hänzelmann, S., Castelo, R., & Guinney, J. (2013). GSVA: Gene set variation analysis for microarray and RNA-seq data. BMC Bioinformatics, 14, 7.CrossRef
4.
Kanehisa, M., & Goto, S. (2000). KEGG: Kyoto encyclopedia of genes and genomes. Nucleic Acids Research, 28, 27–30.CrossRef
5.
Langmead, B., Hansen, K. D., & Leek, J. T. (2010). Cloud-scale RNA-Sequencing differential expression analysis with Myrna. Genome Biology, 11, R83.CrossRef
6.
Li, H., & Durbin, R. (2009). Fast and accurate short read alignment with Burrows-Wheeler transform. Bioinformatics, 25, 1754–1760.CrossRef
7.
Li, H., Ruan, J., & Durbin, R. (2008). Mapping short DNA sequencing reads and calling variants using mapping quality scores. Genome Research, 18, 1851–1858.CrossRef
8.
Li, J., Witten, D. M., Johnstone, I. M., & Tibshirani, R. (2012). Normalization, testing, and false discovery rate estimation for RNA-Sequencing data. Biostatistics, 13, 523–538.CrossRef
9.
Li, R., Yu, C., Li, Y., Lam, T. W., Yiu, S. M., Kristiansen, K., et al. (2009). SOAP2: An improved ultrafast tool for short read alignment. Bioinformatics, 25, 1966–1967.CrossRef
10.
Mak, H. C., & Storey, J. D. (2011). Interview with nature biotechnology: New statistical methods for high-throughput sequencing. Nature Biotechnology, 29, 331–333.CrossRef
11.
Marioni, J. C., Mason, C. E., Mane, S. M., Stephens, M., & Gilad, Y. (2008). RNA-Seq: An assessment of technical reproducibility and comparison with gene expression arrays. Genome Research, 18, 1509–1517.CrossRef
12.
Miecznikowski, J. C., Liu, S., & Ren, X. (2012). Statistical modeling for differential transcriptome analysis using RNA-seq technology. Journal of Solid Tumors, 2, 33–44.CrossRef
13.
Miecznikowski, J. C., Wang, D., Gold, D. L., & Liu, S. (2012). Meta-analysis of high throughput oncology data. In R. Chakraborty, C. R. Rao, & P. K. Sen (Eds.), Handbook of statistics: Bioinformatics in human health and heredity (pp. 67–96). Amsterdam: North Holland.
14.
Miecznikowski, J. C., Wang, D., Liu, S., Sucheston, L., & Gold, D. (2010). Comparative survival analysis of breast cancer microarray studies identifies important prognostic genetic pathways. BMC Cancer, 10, 573.CrossRef
15.
Mishra, G. R., Suresh, M., Kumaran, K., Kannabiran, N., Suresh, S., Bala, P., et al. (2006). Human protein reference database–2006 update. Nucleic Acids Research, 34, D411.CrossRef
16.
Robinson, M. D., & Smyth, G. K. (2008). Small-sample estimation of negative binomial dispersion, with applications to SAGE data. Biostatistics, 9, 321–332.CrossRef
17.
Rumble, S. M., Lacroute, P., Dalca, A. V., Fiume, M., Sidow, A., & Brudno, M. (2009). SHRiMP: Accurate mapping of short color-space reads. PLoS Computational Biology, 5, e1000386.CrossRef
18.
Sanger, F., & Coulson, A. R. (1975). A rapid method for determining sequences in DNA by primed synthesis with DNA polymerase. Journal of Molecular Biology, 94, 441–448.CrossRef
19.
Sanger, F., Nicklen, S., & Coulson, A. R. (1977). DNA sequencing with chain-terminating inhibitors. Proceedings of the National Academy of Sciences of the United States of America, 74, 5463–5467.
20.
Subramanian, A., Tamayo, P., Mootha, V. K., Mukherjee, S., Ebert, B. L., Gillette, M. A., et al. (2005). Gene set enrichment analysis: A knowledge-based approach for interpreting genome-wide expression profiles. Proceedings of the National Academy of Sciences of the United States of America, 102, 15545–15550.
21.
Varemo, L., Nielsen, J., & Nookaew, I. (2013). Enriching the gene set analysis of genome-wide data by incorporating directionality of gene expression and combining statistical hypotheses and methods. Nucleic Acids Research, 1, 14.
22.
Young, M. D., Wakefield, M. J., Smyth, G. K., Oshlack, A., Young, M., Wakefield, M., et al. (2010). Gene ontology analysis for RNA-seq: Accounting for selection bias. Genome Biology, 11, R14.CrossRef
Metadaten
Titel
Analyzing Gene Pathways from Microarrays to Sequencing Platforms
verfasst von
Jeffrey Miecznikowski
Dan Wang
Xing Ren
Jianmin Wang
Song Liu
Copyright-Jahr
2020
Buch
Statistical Modeling for Biological Systems

Print ISBN: 978-3-030-34674-4

Electronic ISBN: 978-3-030-34675-1

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-34675-1_16