知识卡片

普通读书笔记卡 · 8194.a.1.c · 生成模型:未记录

多组学整合

理解等级:高级

基因组、转录组、表观及临床等数据描绘不同层面,整合它们可发现单一模态不易看出的联系,并产生调控回路或疾病状态的假说。整合不是把相关性直接变成机制证明;需要先了解各模态的测量含义、样本和限制,再决定哪些联系值得进一步检验。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《人工智能与计算生物的未来 (【美】布赖恩·希尔布什)》信息革命对生物学研究的影响,不同组学看见不同层次与分辨率(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section02.xhtml) - 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;历史案例不等于当前临床有效性或监管认可。已经核验的边界与书中陈述分开。 - 原始内容:RNA测序信息与表观遗传数据的叠加可以为我们揭示在单一数据模态上难以被发现的基因回路。系统生物学研究所的前期探索也表明,针对个人多组学的研究能够为我们提供医疗健康方面独特且实用的新信息。现在,我们已经可以系统性地研究多种组学数据间的横截面相关性 。