About: Weighted correlation network analysis     Goto   Sponge   NotDistinct   Permalink

An Entity of Type : owl:Thing, within Data Space : dbpedia.org associated with source document(s)
QRcode icon
http://dbpedia.org/describe/?url=http%3A%2F%2Fdbpedia.org%2Fresource%2FWeighted_correlation_network_analysis

Weighted correlation network analysis, also known as weighted gene co-expression network analysis (WGCNA), is a widely used data mining method especially for studying biological networks based on pairwise correlations between variables. While it can be applied to most high-dimensional data sets, it has been most widely used in genomic applications. It allows one to define modules (clusters), intramodular hubs, and network nodes with regard to module membership, to study the relationships between co-expression modules, and to compare the network topology of different networks (differential network analysis). WGCNA can be used as a data reduction technique (related to oblique factor analysis), as a clustering method (fuzzy clustering), as a feature selection method (e.g. as gene screening me

AttributesValues
rdfs:label
  • Анализ взвешенных сетей коэкспрессии генов (ru)
  • Weighted correlation network analysis (en)
  • 加权相关网络分析 (zh)
rdfs:comment
  • 加权相关网络分析也称为加权基因共表达网络分析，是一种广泛使用的数据挖掘方法，它用两两变量间相关系数研究生物网络。它适用于数据集，在基因組學领域应用的最为广泛。 此分析假定基因网络服从，定义基因共表达相关矩阵，计算生成邻接矩阵，然后计算各个节点的相异系数，建立分层聚类树。此树不同分支代表不同的基因模块，模块内基因有较高的共表达水平，从中可以鉴定出枢纽基因。可通过基因网络与表型之间联系，最终找到表型的靶点基因、基因网络。此分析还可以用于研究共表达模块之间的关系、比较不同网络的网络拓扑学（差异网络分析）。加权基因共表达网络分析可以进行数据提炼（与斜交因子分析相关）、聚类分析（模糊聚类）、特征选择方法（比如，进行基因筛选）、综合互补（基因组）数据的框架（根据数量变量之间的加权相关性）和探索性数据分析。 虽然加权基因共表达网络分析结合了很多传统数据探索技术，易于理解的网络语言和分析框架使它优于任何标准的分析方法。由于使用网络方法，同时适合整合互补基因组的数据，它可认为是一种系统生物学或系统遗传数据的分析方法。加权基因共表达网络分析通过在相似的模块间选择模块间枢纽基因，也使基于网络的元分析技术成为可能。 (zh)
  • Weighted correlation network analysis, also known as weighted gene co-expression network analysis (WGCNA), is a widely used data mining method especially for studying biological networks based on pairwise correlations between variables. While it can be applied to most high-dimensional data sets, it has been most widely used in genomic applications. It allows one to define modules (clusters), intramodular hubs, and network nodes with regard to module membership, to study the relationships between co-expression modules, and to compare the network topology of different networks (differential network analysis). WGCNA can be used as a data reduction technique (related to oblique factor analysis), as a clustering method (fuzzy clustering), as a feature selection method (e.g. as gene screening me (en)
  • Анализ взвешенных сетей коэкспрессии генов (англ. weighted gene coexpression network analysis, WGCNA), также известный как анализ взвешенной сети корреляций (англ. weighted correlation network analysis) — метод глубинного анализа данных, основанный на попарных корреляциях между переменными. Метод может быть использован для анализа широкого спектра многомерных наборов данных, но наиболее широкое распространение он получил в геномике. Метод позволяет определять модули (кластеры коэкспрессирующихся генов), межмодульные хабы и узлы сети относительно принадлежности к модулю, изучать отношения между модулями коэкспрессии и сравнивать топологии различных сетей. WGCNA может быть использован как метод снижения размерности данных (связанный с непрямым факторным анализом), как метод кластеризации, ка (ru)
dcterms:subject
Wikipage page ID
Wikipage revision ID
Link from a Wikipage to another Wikipage
sameAs
dbp:wikiPageUsesTemplate
has abstract
  • Weighted correlation network analysis, also known as weighted gene co-expression network analysis (WGCNA), is a widely used data mining method especially for studying biological networks based on pairwise correlations between variables. While it can be applied to most high-dimensional data sets, it has been most widely used in genomic applications. It allows one to define modules (clusters), intramodular hubs, and network nodes with regard to module membership, to study the relationships between co-expression modules, and to compare the network topology of different networks (differential network analysis). WGCNA can be used as a data reduction technique (related to oblique factor analysis), as a clustering method (fuzzy clustering), as a feature selection method (e.g. as gene screening method), as a framework for integrating complementary (genomic) data (based on weighted correlations between quantitative variables), and as a data exploratory technique. Although WGCNA incorporates traditional data exploratory techniques, its intuitive network language and analysis framework transcend any standard analysis technique. Since it uses network methodology and is well suited for integrating complementary genomic data sets, it can be interpreted as systems biologic or systems genetic data analysis method. By selecting intramodular hubs in consensus modules, WGCNA also gives rise to network based meta analysis techniques. (en)
  • Анализ взвешенных сетей коэкспрессии генов (англ. weighted gene coexpression network analysis, WGCNA), также известный как анализ взвешенной сети корреляций (англ. weighted correlation network analysis) — метод глубинного анализа данных, основанный на попарных корреляциях между переменными. Метод может быть использован для анализа широкого спектра многомерных наборов данных, но наиболее широкое распространение он получил в геномике. Метод позволяет определять модули (кластеры коэкспрессирующихся генов), межмодульные хабы и узлы сети относительно принадлежности к модулю, изучать отношения между модулями коэкспрессии и сравнивать топологии различных сетей. WGCNA может быть использован как метод снижения размерности данных (связанный с непрямым факторным анализом), как метод кластеризации, как метод отбора признаков (например, для скрининга генов). (ru)
  • 加权相关网络分析也称为加权基因共表达网络分析，是一种广泛使用的数据挖掘方法，它用两两变量间相关系数研究生物网络。它适用于数据集，在基因組學领域应用的最为广泛。 此分析假定基因网络服从，定义基因共表达相关矩阵，计算生成邻接矩阵，然后计算各个节点的相异系数，建立分层聚类树。此树不同分支代表不同的基因模块，模块内基因有较高的共表达水平，从中可以鉴定出枢纽基因。可通过基因网络与表型之间联系，最终找到表型的靶点基因、基因网络。此分析还可以用于研究共表达模块之间的关系、比较不同网络的网络拓扑学（差异网络分析）。加权基因共表达网络分析可以进行数据提炼（与斜交因子分析相关）、聚类分析（模糊聚类）、特征选择方法（比如，进行基因筛选）、综合互补（基因组）数据的框架（根据数量变量之间的加权相关性）和探索性数据分析。 虽然加权基因共表达网络分析结合了很多传统数据探索技术，易于理解的网络语言和分析框架使它优于任何标准的分析方法。由于使用网络方法，同时适合整合互补基因组的数据，它可认为是一种系统生物学或系统遗传数据的分析方法。加权基因共表达网络分析通过在相似的模块间选择模块间枢纽基因，也使基于网络的元分析技术成为可能。 (zh)
prov:wasDerivedFrom
page length (characters) of wiki page
foaf:isPrimaryTopicOf
is Link from a Wikipage to another Wikipage of
is Wikipage redirect of
is known for of
is foaf:primaryTopic of
Faceted Search & Find service v1.17_git139 as of Feb 29 2024


Alternative Linked Data Documents: ODE     Content Formats:   [cxml] [csv]     RDF   [text] [turtle] [ld+json] [rdf+json] [rdf+xml]     ODATA   [atom+xml] [odata+json]     Microdata   [microdata+json] [html]    About   
This material is Open Knowledge   W3C Semantic Web Technology [RDF Data] Valid XHTML + RDFa
OpenLink Virtuoso version 08.03.3330 as of Mar 19 2024, on Linux (x86_64-generic-linux-glibc212), Single-Server Edition (62 GB total memory, 60 GB memory in use)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software