जैविक नेटवर्क अनुमान: Difference between revisions
(Created page with "जैविक नेटवर्क अनुमान जैविक नेटवर्क के बारे में अनुमान लगाने और...") |
No edit summary |
||
| Line 1: | Line 1: | ||
[[जैविक नेटवर्क]] [[अनुमान]] जैविक नेटवर्क के बारे में अनुमान लगाने और भविष्यवाणी करने की प्रक्रिया है।<ref name="MercatelliScalambra2020">{{cite journal | vauthors = Mercatelli D, Scalambra L, Triboli L, Ray F, Giorgi FM | title = Gene regulatory network inference resources: A practical overview | journal = Biochimica et Biophysica Acta (BBA) - Gene Regulatory Mechanisms | volume = 1863 | issue = 6 | pages = 194430 | date = June 2020 | pmid = 31678629 | doi = 10.1016/j.bbagrm.2019.194430 | s2cid = 207895066 }}</ref> जैविक प्रणालियों में पैटर्न का विश्लेषण करने के लिए नेटवर्क का उपयोग करके, जैसे खाद्य-जाल, हम प्रजातियों, डीएनए, प्रोटीन और अन्य के बीच बातचीत की प्रकृति और ताकत की कल्पना कर सकते हैं। | [[जैविक नेटवर्क]] [[अनुमान]] जैविक नेटवर्क के बारे में अनुमान लगाने और भविष्यवाणी करने की प्रक्रिया है।<ref name="MercatelliScalambra2020">{{cite journal | vauthors = Mercatelli D, Scalambra L, Triboli L, Ray F, Giorgi FM | title = Gene regulatory network inference resources: A practical overview | journal = Biochimica et Biophysica Acta (BBA) - Gene Regulatory Mechanisms | volume = 1863 | issue = 6 | pages = 194430 | date = June 2020 | pmid = 31678629 | doi = 10.1016/j.bbagrm.2019.194430 | s2cid = 207895066 }}</ref> जैविक प्रणालियों में पैटर्न का विश्लेषण करने के लिए नेटवर्क का उपयोग करके, जैसे खाद्य-जाल, हम प्रजातियों, डीएनए, प्रोटीन और अन्य के बीच बातचीत की प्रकृति और ताकत की कल्पना कर सकते हैं। | ||
बीमारियों के संबंध में जैविक नेटवर्क के विश्लेषण से [[ नेटवर्क दवा ]] के क्षेत्र का विकास हुआ है।<ref>{{cite journal | vauthors = Barabási AL, Gulbahce N, Loscalzo J | title = Network medicine: a network-based approach to human disease | journal = Nature Reviews. Genetics | volume = 12 | issue = 1 | pages = 56–68 | date = January 2011 | pmid = 21164525 | pmc = 3140052 | doi = 10.1038/nrg2918 }}</ref> जीव विज्ञान में नेटवर्क सिद्धांत के अनुप्रयोग के हाल के उदाहरणों में [[कोशिका चक्र]] को समझने के अनुप्रयोग | बीमारियों के संबंध में जैविक नेटवर्क के विश्लेषण से [[ नेटवर्क दवा ]] के क्षेत्र का विकास हुआ है।<ref>{{cite journal | vauthors = Barabási AL, Gulbahce N, Loscalzo J | title = Network medicine: a network-based approach to human disease | journal = Nature Reviews. Genetics | volume = 12 | issue = 1 | pages = 56–68 | date = January 2011 | pmid = 21164525 | pmc = 3140052 | doi = 10.1038/nrg2918 }}</ref> जीव विज्ञान में नेटवर्क सिद्धांत के अनुप्रयोग के हाल के उदाहरणों में [[कोशिका चक्र]] को समझने के अनुप्रयोग सम्मिलित हैं<ref>{{cite journal | vauthors = Jailkhani N, Ravichandran S, Hegde SR, Siddiqui Z, Mande SC, Rao KV | title = प्रमुख नियामक तत्वों का चित्रण माइटोजन-सक्रिय सिग्नलिंग नेटवर्क में भेद्यता के बिंदुओं की पहचान करता है| journal = Genome Research | volume = 21 | issue = 12 | pages = 2067–2081 | date = December 2011 | pmid = 21865350 | pmc = 3227097 | doi = 10.1101/gr.116145.110 }}</ref> साथ ही विकासात्मक प्रक्रियाओं के लिए एक मात्रात्मक ढांचा।<ref>{{cite journal | vauthors = Jackson MD, Duran-Nebreda S, Bassel GW | title = बहुकोशिकीय विकास की मात्रा निर्धारित करने के लिए नेटवर्क-आधारित दृष्टिकोण| journal = Journal of the Royal Society, Interface | volume = 14 | issue = 135 | pages = 20170484 | date = October 2017 | pmid = 29021161 | pmc = 5665831 | doi = 10.1098/rsif.2017.0484 }}</ref> अच्छे नेटवर्क अनुमान के लिए प्रयोग की उचित योजना और निष्पादन की आवश्यकता होती है, जिससे गुणवत्ता आंकड़े अधिग्रहण सुनिश्चित होता है। सैद्धांतिक रूप से इष्टतम प्रयोगात्मक डिजाइन आंकड़े अधिग्रहण के लिए योजना बनाने के लिए सांख्यिकीय और/ या गणितीय अवधारणाओं के उपयोग को संदर्भित करता है। यह इस तरह से किया जाना चाहिए कि आंकड़े सूचना सामग्री समृद्ध हो, और जहां आवश्यक हो, पर्याप्त तकनीकी और जैविक प्रतिकृति के साथ पर्याप्त मात्रा में आंकड़े एकत्र किया जाए।{{citation needed|date=May 2022}} | ||
== चरण == | == चरण == | ||
मॉडलिंग जैविक नेटवर्क का सामान्य चक्र इस प्रकार है:{{citation needed|date=May 2022}} | मॉडलिंग जैविक नेटवर्क का सामान्य चक्र इस प्रकार है:{{citation needed|date=May 2022}} | ||
# पूर्व ज्ञान | # पूर्व ज्ञान | ||
#* संपूर्ण साहित्य और | #* संपूर्ण साहित्य और आंकड़े बेस खोज या विशेषज्ञ की राय लेना सम्मिलित है। | ||
# मॉडल चयन | # मॉडल चयन | ||
#* आपके सिस्टम को मॉडल करने के लिए औपचारिकता, | #* आपके सिस्टम को मॉडल करने के लिए औपचारिकता, प्रायः एक सामान्य अंतर समीकरण, [[बूलियन नेटवर्क]], या रैखिक प्रतिगमन मॉडल, उदा। [[कम से कम कोण प्रतिगमन]], [[बायेसियन नेटवर्क]] द्वारा या [[सूचना सिद्धांत]] दृष्टिकोण के आधार पर।<ref>{{cite journal | vauthors = van Someren EP, Wessels LF, Backer E, Reinders MJ | title = जेनेटिक नेटवर्क मॉडलिंग| journal = Pharmacogenomics | volume = 3 | issue = 4 | pages = 507–525 | date = July 2002 | pmid = 12164774 | doi = 10.1517/14622416.3.4.507 }}</ref><ref>{{cite journal | vauthors = Banf M, Rhee SY | title = Computational inference of gene regulatory networks: Approaches, limitations and opportunities | journal = Biochimica et Biophysica Acta (BBA) - Gene Regulatory Mechanisms | volume = 1860 | issue = 1 | pages = 41–52 | date = January 2017 | pmid = 27641093 | doi = 10.1016/j.bbagrm.2016.09.003 | doi-access = free }}</ref> यह एक सहसंबंध-आधारित अनुमान एल्गोरिथ्म के अनुप्रयोग द्वारा भी किया जा सकता है, जैसा कि नीचे चर्चा की जाएगी, एक दृष्टिकोण जो सफलता प्राप्त कर रहा है क्योंकि उपलब्ध माइक्रोएरे सेट का आकार बढ़ता जा रहा है <ref name="Marbach2012" /><ref>{{cite journal | vauthors = Faith JJ, Hayete B, Thaden JT, Mogno I, Wierzbowski J, Cottarel G, Kasif S, Collins JJ, Gardner TS | display-authors = 6 | title = बड़े पैमाने पर मानचित्रण और अभिव्यक्ति प्रोफाइल के एक संग्रह से एस्चेरिचिया कोलाई ट्रांसक्रिप्शनल विनियमन का सत्यापन| journal = PLOS Biology | volume = 5 | issue = 1 | pages = e8 | date = January 2007 | pmid = 17214507 | pmc = 1764438 | doi = 10.1371/journal.pbio.0050008 }}</ref><ref name=raimondo>{{cite journal | vauthors = Raimondo S, De Domenico M | title = अनिश्चितता के तहत जटिल नेटवर्क के टोपोलॉजिकल डिस्क्रिप्टर को मापना| journal = Physical Review E | volume = 103 | issue = 2–1 | pages = 022311 | date = February 2021 | pmid = 33735966 | doi = 10.1103/PhysRevE.103.022311 | arxiv = 2009.06326 | bibcode = 2021PhRvE.103b2311R | s2cid = 221655165 }}</ref> | ||
# परिकल्पना / धारणाएँ | # परिकल्पना / धारणाएँ | ||
# प्रयोगात्मक परिरूप | # प्रयोगात्मक परिरूप | ||
# आंकड़ा अधिग्रहण | # आंकड़ा अधिग्रहण | ||
#* सुनिश्चित करें कि मापे जा रहे सभी आवश्यक चरों के साथ उच्च गुणवत्ता वाला | #* सुनिश्चित करें कि मापे जा रहे सभी आवश्यक चरों के साथ उच्च गुणवत्ता वाला आंकड़े एकत्र किया गया है | ||
# नेटवर्क अनुमान | # नेटवर्क अनुमान | ||
#* यह प्रक्रिया गणितीय कठोर और कम्प्यूटेशनल रूप से महंगी है। | #* यह प्रक्रिया गणितीय कठोर और कम्प्यूटेशनल रूप से महंगी है। | ||
# मॉडल शोधन | # मॉडल शोधन | ||
#* क्रॉस चेक करें कि नतीजे उम्मीदों पर कितने खरे उतरे हैं। | #* क्रॉस चेक करें कि नतीजे उम्मीदों पर कितने खरे उतरे हैं। आंकड़े के लिए एक अच्छा मॉडल फिट होने पर प्रक्रिया को समाप्त कर दिया जाता है, अन्यथा मॉडल को फिर से समायोजित करने की आवश्यकता होती है। | ||
== जैविक नेटवर्क == | == जैविक नेटवर्क == | ||
एक नेटवर्क नोड्स का एक सेट है और नोड्स के बीच निर्देशित या अप्रत्यक्ष किनारों का एक सेट है। कई प्रकार के जैविक नेटवर्क मौजूद हैं, जिनमें ट्रांसक्रिप्शनल, सिग्नलिंग और मेटाबोलिक | एक नेटवर्क नोड्स का एक सेट है और नोड्स के बीच निर्देशित या अप्रत्यक्ष किनारों का एक सेट है। कई प्रकार के जैविक नेटवर्क मौजूद हैं, जिनमें ट्रांसक्रिप्शनल, सिग्नलिंग और मेटाबोलिक सम्मिलित हैं। इस तरह के कुछ नेटवर्क अपनी पूरी संरचना के निकट आने वाली किसी भी चीज़ में जाने जाते हैं, यहाँ तक कि सबसे सरल बैक्टीरिया में भी। समय के साथ इस तरह के नेटवर्क के व्यवहार को नियंत्रित करने वाले मापदंडों पर अभी भी कम जाना जाता है, एक सेल में विभिन्न स्तरों पर नेटवर्क कैसे बातचीत करते हैं, और भविष्य में किसी बिंदु पर [[यूकेरियोट]] सेल या [[जीवाणु]] जीव के पूर्ण राज्य विवरण की भविष्यवाणी कैसे करें। [[सिस्टम बायोलॉजी]], इस अर्थ में, अभी भी अपनी प्रारंभिक अवस्था में है। | ||
मॉडलिंग जैविक प्रणालियों के लिए नेटवर्क मेडिसिन में बहुत रुचि है। यह लेख [[जीन]], [[प्रोटीन]] और चयापचय के लिए उच्च-थ्रूपुट अभिव्यक्ति | मॉडलिंग जैविक प्रणालियों के लिए नेटवर्क मेडिसिन में बहुत रुचि है। यह लेख [[जीन]], [[प्रोटीन]] और चयापचय के लिए उच्च-थ्रूपुट अभिव्यक्ति आंकड़े के बढ़ते सेटों का उपयोग करके जैविक नेटवर्क संरचना के अनुमान पर केंद्रित है।<ref>{{cite journal | vauthors = Tieri P, Farina L, Petti M, Astolfi L, Paci P, Castiglione F | title = जैव सूचना विज्ञान में नेटवर्क निष्कर्ष और पुनर्निर्माण| journal = Encyclopedia of Bioinformatics and Computational Biology | volume = 2 | pages = 805–813 | date = 2018 | doi = 10.1016/B978-0-12-809633-8.20290-2| isbn = 9780128114322 | s2cid = 65155962 }}</ref> संक्षेप में, विनियामक नेटवर्क के अनुमान के लिए उच्च-थ्रूपुट आंकड़े का उपयोग करने वाली विधियाँ आंशिक सहसंबंध या सशर्त संभावनाओं के पैटर्न की खोज पर निर्भर करती हैं जो कारण प्रभाव का संकेत देती हैं।<ref name="Marbach2012">{{cite journal | vauthors = Marbach D, Costello JC, Küffner R, Vega NM, Prill RJ, Camacho DM, Allison KR, Kellis M, Collins JJ, Stolovitzky G | display-authors = 6 | title = मजबूत जीन नेटवर्क अनुमान के लिए भीड़ की बुद्धि| journal = Nature Methods | volume = 9 | issue = 8 | pages = 796–804 | date = July 2012 | pmid = 22796662 | pmc = 3512113 | doi = 10.1038/nmeth.2016 }}</ref><ref>{{cite book | vauthors = Sprites P, Glamour C, Scheines R | year = 2000 | title = Causation, Prediction, and Search: Adaptive Computation and Machine Learning | edition = 2nd | publisher = [[MIT Press]] }}</ref> उच्च-थ्रूपुट आंकड़े में पाए जाने वाले आंशिक सहसंबंधों के ऐसे पैटर्न, संभवतः प्रस्तावित नेटवर्क में जीन या प्रोटीन पर अन्य पूरक आंकड़े के साथ संयुक्त, या जीव पर अन्य जानकारी के साथ संयुक्त, आधार बनाते हैं जिस पर ऐसे [[कलन विधि]] काम करते हैं। ऐसे एल्गोरिदम किसी भी नेटवर्क की टोपोलॉजी का अनुमान लगाने में उपयोगी हो सकते हैं जहां एक [[नोड (नेटवर्किंग)]] की स्थिति में परिवर्तन अन्य नोड्स की स्थिति को प्रभावित कर सकता है। | ||
== ट्रांसक्रिप्शनल नियामक नेटवर्क == | == ट्रांसक्रिप्शनल नियामक नेटवर्क == | ||
जीन नोड हैं और किनारों को निर्देशित किया जाता है। एक जीन एक आरएनए या प्रोटीन अणु का उत्पादन करके लक्ष्य जीन के प्रत्यक्ष नियामक बढ़त के स्रोत के रूप में कार्य करता है जो एक ट्रांसक्रिप्शनल एक्टिवेटर या लक्ष्य जीन के अवरोधक के रूप में कार्य करता है। यदि जीन एक सक्रियकर्ता है, तो यह सकारात्मक नियामक कनेक्शन का स्रोत है; यदि एक अवरोधक है, तो यह एक नकारात्मक विनियामक कनेक्शन का स्रोत है। कम्प्यूटेशनल एल्गोरिदम नेटवर्क में | जीन नोड हैं और किनारों को निर्देशित किया जाता है। एक जीन एक आरएनए या प्रोटीन अणु का उत्पादन करके लक्ष्य जीन के प्रत्यक्ष नियामक बढ़त के स्रोत के रूप में कार्य करता है जो एक ट्रांसक्रिप्शनल एक्टिवेटर या लक्ष्य जीन के अवरोधक के रूप में कार्य करता है। यदि जीन एक सक्रियकर्ता है, तो यह सकारात्मक नियामक कनेक्शन का स्रोत है; यदि एक अवरोधक है, तो यह एक नकारात्मक विनियामक कनेक्शन का स्रोत है। कम्प्यूटेशनल एल्गोरिदम नेटवर्क में सम्मिलित करने के लिए विचाराधीन जीन के m[[RNA]] अभिव्यक्ति स्तरों के प्राथमिक इनपुट आंकड़े माप के रूप में लेते हैं, नेटवर्क [[टोपोलॉजी]] का एक अनुमान लौटाते हैं। ऐसे एल्गोरिदम प्रायः रैखिकता, स्वतंत्रता या सामान्यता मान्यताओं पर आधारित होते हैं, जिन्हें केस-बाय-केस आधार पर सत्यापित किया जाना चाहिए।<ref>{{cite journal | vauthors = Oates CJ, Mukherjee S | title = नेटवर्क निष्कर्ष और जैविक गतिशीलता| journal = The Annals of Applied Statistics | volume = 6 | issue = 3 | pages = 1209–1235 | date = September 2012 | pmid = 23284600 | pmc = 3533376 | doi = 10.1214/11-AOAS532 | arxiv = 1112.1047 }}</ref> क्लस्टरिंग या कुछ प्रकार के सांख्यिकीय वर्गीकरण को प्रायः माइक्रोएरे प्रयोगों से प्राप्त उच्च-थ्रूपुट एमआरएनए अभिव्यक्ति मूल्यों के प्रारंभिक संगठन को करने के लिए नियोजित किया जाता है, विशेष रूप से नेटवर्क नोड्स के उम्मीदवारों के रूप में जीन के सेट का चयन करने के लिए।<ref>{{cite journal | vauthors = Guthke R, Möller U, Hoffmann M, Thies F, Töpfer S | title = जीवाणु संक्रमण के दौरान प्रतिरक्षा प्रतिक्रिया पर लागू जीन अभिव्यक्ति डेटा से गतिशील नेटवर्क पुनर्निर्माण| journal = Bioinformatics | volume = 21 | issue = 8 | pages = 1626–1634 | date = April 2005 | pmid = 15613398 | doi = 10.1093/bioinformatics/bti226 | doi-access = free }}</ref> फिर सवाल उठता है: क्लस्टरिंग या वर्गीकरण के परिणाम अंतर्निहित जीव विज्ञान से कैसे जुड़े हो सकते हैं? इस तरह के परिणाम पैटर्न वर्गीकरण के लिए उपयोगी हो सकते हैं - उदाहरण के लिए, [[कैंसर]] के उपप्रकारों को वर्गीकृत करने के लिए, या किसी दवा (फार्माकोजेनोमिक्स) के लिए विभेदक प्रतिक्रियाओं की भविष्यवाणी करने के लिए। लेकिन जीन के बीच संबंधों को समझने के लिए, अर्थात्, प्रत्येक जीन के दूसरों पर प्रभाव को अधिक सटीक रूप से परिभाषित करने के लिए, वैज्ञानिक प्रायः ट्रांसक्रिप्शनल नियामक नेटवर्क का पुनर्निर्माण करने का प्रयास करते हैं। | ||
== जीन सह-अभिव्यक्ति नेटवर्क == | == जीन सह-अभिव्यक्ति नेटवर्क == | ||
| Line 34: | Line 34: | ||
{{Main|Signal transduction}} | {{Main|Signal transduction}} | ||
सिग्नल ट्रांसडक्शन नेटवर्क नोड्स और निर्देशित किनारों के लिए प्रोटीन का उपयोग बातचीत का प्रतिनिधित्व करने के लिए करते हैं जिसमें माता-पिता की कार्रवाई द्वारा बच्चे की जैव रासायनिक संरचना को संशोधित किया जाता है (उदाहरण के लिए [[फास्फारिलीकरण]], सर्वव्यापकता, मिथाइलेशन, आदि द्वारा मध्यस्थता)। निष्कर्ष एल्गोरिथम में प्राथमिक इनपुट प्रोटीन के एक सेट में प्रोटीन सक्रियण/निष्क्रियता (जैसे, फास्फोरिलीकरण/डीफॉस्फोराइलेशन) को मापने वाले प्रयोगों के एक सेट से | सिग्नल ट्रांसडक्शन नेटवर्क नोड्स और निर्देशित किनारों के लिए प्रोटीन का उपयोग बातचीत का प्रतिनिधित्व करने के लिए करते हैं जिसमें माता-पिता की कार्रवाई द्वारा बच्चे की जैव रासायनिक संरचना को संशोधित किया जाता है (उदाहरण के लिए [[फास्फारिलीकरण]], सर्वव्यापकता, मिथाइलेशन, आदि द्वारा मध्यस्थता)। निष्कर्ष एल्गोरिथम में प्राथमिक इनपुट प्रोटीन के एक सेट में प्रोटीन सक्रियण/निष्क्रियता (जैसे, फास्फोरिलीकरण/डीफॉस्फोराइलेशन) को मापने वाले प्रयोगों के एक सेट से आंकड़े होगा। इस तरह के सिग्नलिंग नेटवर्क के लिए अनुमान इस तथ्य से जटिल है कि ट्रांसक्रिप्शनल और ट्रांसलेशनल विनियमन के कारण समय के साथ सिग्नलिंग प्रोटीन की कुल सांद्रता में उतार-चढ़ाव होगा। इस तरह की भिन्नता से सांख्यिकीय भ्रम पैदा हो सकता है। तदनुसार, ऐसे आंकड़ेसेट का विश्लेषण करने के लिए अधिक परिष्कृत सांख्यिकीय तकनीकों को लागू किया जाना चाहिए।<ref> | ||
{{cite journal | vauthors = Oates CJ, Mukherjee S | year = 2012 | title = Structural inference using nonlinear dynamics | journal = CRiSM Working Paper | volume = 12 | issue = 7 }}</ref>(कैंसर के जीव विज्ञान में बहुत महत्वपूर्ण) | {{cite journal | vauthors = Oates CJ, Mukherjee S | year = 2012 | title = Structural inference using nonlinear dynamics | journal = CRiSM Working Paper | volume = 12 | issue = 7 }}</ref>(कैंसर के जीव विज्ञान में बहुत महत्वपूर्ण) | ||
| Line 40: | Line 40: | ||
{{Main|Metabolic network|l1=Metabolic Network}} | {{Main|Metabolic network|l1=Metabolic Network}} | ||
[[मेटाबोलाइट]] नेटवर्क रासायनिक प्रतिक्रियाओं का प्रतिनिधित्व करने के लिए नोड्स का उपयोग करते हैं और इन प्रतिक्रियाओं को निर्देशित करने वाले [[चयापचय मार्ग]]ों और नियामक इंटरैक्शन के लिए किनारों को निर्देशित करते हैं। एल्गोरिथ्म में प्राथमिक इनपुट मेटाबोलाइट स्तरों को मापने वाले प्रयोगों के एक सेट से | [[मेटाबोलाइट]] नेटवर्क रासायनिक प्रतिक्रियाओं का प्रतिनिधित्व करने के लिए नोड्स का उपयोग करते हैं और इन प्रतिक्रियाओं को निर्देशित करने वाले [[चयापचय मार्ग]]ों और नियामक इंटरैक्शन के लिए किनारों को निर्देशित करते हैं। एल्गोरिथ्म में प्राथमिक इनपुट मेटाबोलाइट स्तरों को मापने वाले प्रयोगों के एक सेट से आंकड़े होगा। | ||
== प्रोटीन-प्रोटीन इंटरैक्शन नेटवर्क == | == प्रोटीन-प्रोटीन इंटरैक्शन नेटवर्क == | ||
| Line 51: | Line 51: | ||
{{Main|Neural network|l1=Neural Network}} | {{Main|Neural network|l1=Neural Network}} | ||
एक न्यूरोनल नेटवर्क प्रत्येक नोड के साथ न्यूरॉन्स का प्रतिनिधित्व करने के लिए बना होता है और किनारों के लिए सिनैप्स होता है, जो | एक न्यूरोनल नेटवर्क प्रत्येक नोड के साथ न्यूरॉन्स का प्रतिनिधित्व करने के लिए बना होता है और किनारों के लिए सिनैप्स होता है, जो प्रायः भारित और निर्देशित होते हैं। किनारों के वजन को प्रायः कनेक्टेड नोड्स के सक्रियण द्वारा समायोजित किया जाता है। नेटवर्क प्रायः इनपुट लेयर्स, हिडन लेयर्स और आउटपुट लेयर्स में व्यवस्थित होता है। | ||
== खाद्य जाले == | == खाद्य जाले == | ||
| Line 76: | Line 76: | ||
{{Empty section|date=September 2022}} | {{Empty section|date=September 2022}} | ||
== | == आंकड़े स्रोत == | ||
अनुमान लगाने के लिए उपयोग किए जाने वाले प्रारंभिक | अनुमान लगाने के लिए उपयोग किए जाने वाले प्रारंभिक आंकड़े का अंतिम अनुमान की सटीकता पर भारी प्रभाव पड़ सकता है। नेटवर्क आंकड़े स्वाभाविक रूप से शोर और अधूरा होता है, कभी-कभी कई स्रोतों से साक्ष्य के कारण जो ओवरलैप या विरोधाभासी आंकड़े नहीं होते हैं। डिजिटल युग से पहले के पुराने विद्वानों के लेखों के डाटाबेस, उच्च-थ्रूपुट आंकड़ेसेट, कम्प्यूटेशनल भविष्यवाणियों और टेक्स्ट माइनिंग में डाले गए वैज्ञानिक साहित्य के मैन्युअल क्यूरेशन को सम्मिलित करने के लिए आंकड़े को कई तरीकों से प्राप्त किया जा सकता है। | ||
== नेटवर्क व्यास == | == नेटवर्क व्यास == | ||
| Line 88: | Line 88: | ||
== नेटवर्क विश्वास == | == नेटवर्क विश्वास == | ||
नेटवर्क विश्वास यह मापने का एक तरीका है कि कोई कितना सुनिश्चित हो सकता है कि नेटवर्क एक वास्तविक जैविक संपर्क का प्रतिनिधित्व करता है। हम इसे प्रासंगिक जैविक जानकारी के माध्यम से कर सकते हैं, साहित्य में एक बातचीत की रिपोर्ट की संख्या की संख्या की गणना कर सकते हैं, या अलग-अलग रणनीतियों को एक ही स्कोर में समूहित कर सकते हैं। [https://www.ebi.ac.uk/training/online/courses/network-analysis-of-protein-interaction-data-an-introduction/building-and-analysing-ppins/assessing-reliability-and- Measuring-Confidence/ MIscore] प्रोटीन-प्रोटीन इंटरैक्शन | नेटवर्क विश्वास यह मापने का एक तरीका है कि कोई कितना सुनिश्चित हो सकता है कि नेटवर्क एक वास्तविक जैविक संपर्क का प्रतिनिधित्व करता है। हम इसे प्रासंगिक जैविक जानकारी के माध्यम से कर सकते हैं, साहित्य में एक बातचीत की रिपोर्ट की संख्या की संख्या की गणना कर सकते हैं, या अलग-अलग रणनीतियों को एक ही स्कोर में समूहित कर सकते हैं। [https://www.ebi.ac.uk/training/online/courses/network-analysis-of-protein-interaction-data-an-introduction/building-and-analysing-ppins/assessing-reliability-and- Measuring-Confidence/ MIscore] प्रोटीन-प्रोटीन इंटरैक्शन आंकड़े की विश्वसनीयता का आकलन करने के लिए विधि मानकों के उपयोग पर आधारित है।<ref>{{cite journal | vauthors = Villaveces JM, Jiménez RC, Porras P, Del-Toro N, Duesbury M, Dumousseau M, Orchard S, Choi H, Ping P, Zong NC, Askenazi M, Habermann BH, Hermjakob H | display-authors = 6 | title = Merging and scoring molecular interactions utilising existing community standards: tools, use-cases and a case study | journal = Database | volume = 2015 | pages = bau131 | date = 2015-01-01 | pmid = 25652942 | pmc = 4316181 | doi = 10.1093/database/bau131 }}</ref> MIscore प्रोटीन की एक परस्पर क्रिया करने वाली जोड़ी के लिए सभी उपलब्ध साक्ष्यों पर विश्वास भार का अनुमान देता है। विधि विभिन्न स्रोतों द्वारा प्रदान किए गए साक्ष्य के भार की अनुमति देती है, बशर्ते आंकड़े IMEx कंसोर्टियम द्वारा बनाए गए मानकों का पालन करते हुए प्रस्तुत किया गया हो। वजन प्रकाशनों की संख्या, पता लगाने की विधि, सहभागिता साक्ष्य प्रकार हैं। | ||
== निकटता == | == निकटता == | ||
| Line 103: | Line 103: | ||
{{Main|Network theory|l1=Network Theory}} | {{Main|Network theory|l1=Network Theory}} | ||
हमारे उद्देश्यों के लिए, नेटवर्क विश्लेषण ग्राफ़ सिद्धांत से निकटता से संबंधित है। पिछले अनुभाग में विशेषताओं को मापकर हम जैविक | हमारे उद्देश्यों के लिए, नेटवर्क विश्लेषण ग्राफ़ सिद्धांत से निकटता से संबंधित है। पिछले अनुभाग में विशेषताओं को मापकर हम जैविक आंकड़े के आधार पर सटीक अनुमान बनाने के लिए कई अलग-अलग तकनीकों का उपयोग कर सकते हैं। | ||
== टोपोलॉजी विश्लेषण == | == टोपोलॉजी विश्लेषण == | ||
टोपोलॉजी विश्लेषण एक नेटवर्क की टोपोलॉजी का विश्लेषण करता है ताकि प्रासंगिक प्रतिभागियों और उप-संरचनाओं की पहचान की जा सके जो जैविक महत्व के हो सकते हैं। इस शब्द में तकनीकों की एक पूरी श्रेणी | टोपोलॉजी विश्लेषण एक नेटवर्क की टोपोलॉजी का विश्लेषण करता है ताकि प्रासंगिक प्रतिभागियों और उप-संरचनाओं की पहचान की जा सके जो जैविक महत्व के हो सकते हैं। इस शब्द में तकनीकों की एक पूरी श्रेणी सम्मिलित है जैसे कि [[ नेटवर्क मूल भाव ]] सर्च, सेंट्रलिटी एनालिसिस, टोपोलॉजिकल क्लस्टरिंग और शॉर्टेस्ट पाथ। ये कुछ उदाहरण हैं, इनमें से प्रत्येक तकनीक अनुमान लगाने के लिए नेटवर्क की टोपोलॉजी पर ध्यान केंद्रित करने के सामान्य विचार का उपयोग करती है। | ||
=== नेटवर्क आकृति खोज === | === नेटवर्क आकृति खोज === | ||
| Line 112: | Line 112: | ||
=== केंद्रीयता विश्लेषण === | === केंद्रीयता विश्लेषण === | ||
सेंट्रलिटी इस बात का अनुमान लगाती है कि नेटवर्क की कनेक्टिविटी या सूचना प्रवाह के लिए नोड या किनारा कितना महत्वपूर्ण है। यह सिग्नलिंग नेटवर्क में एक उपयोगी पैरामीटर है और इसका उपयोग अक्सर दवा लक्ष्य खोजने की कोशिश करते समय किया जाता है।<ref>{{Cite web |last=EMBL-EBI |title=Centrality analysis {{!}} Network analysis of protein interaction data |url=https://www.ebi.ac.uk/training/online/courses/network-analysis-of-protein-interaction-data-an-introduction/building-and-analysing-ppins/topological-ppin-analysis/centrality-analysis/ |access-date=2022-05-05 |language=en}}</ref> यह महत्वपूर्ण प्रोटीन और उनके कार्यों को निर्धारित करने के लिए पिन में सबसे अधिक उपयोग किया जाता है। केंद्रीयता को ग्राफ़ और उस प्रश्न के आधार पर अलग-अलग तरीकों से मापा जा सकता है जिसका उत्तर देने की आवश्यकता है, उनमें नोड्स की डिग्री या नोड से जुड़े किनारों की संख्या, वैश्विक केंद्रीयता उपाय, या रैंडम वॉक के माध्यम से | सेंट्रलिटी इस बात का अनुमान लगाती है कि नेटवर्क की कनेक्टिविटी या सूचना प्रवाह के लिए नोड या किनारा कितना महत्वपूर्ण है। यह सिग्नलिंग नेटवर्क में एक उपयोगी पैरामीटर है और इसका उपयोग अक्सर दवा लक्ष्य खोजने की कोशिश करते समय किया जाता है।<ref>{{Cite web |last=EMBL-EBI |title=Centrality analysis {{!}} Network analysis of protein interaction data |url=https://www.ebi.ac.uk/training/online/courses/network-analysis-of-protein-interaction-data-an-introduction/building-and-analysing-ppins/topological-ppin-analysis/centrality-analysis/ |access-date=2022-05-05 |language=en}}</ref> यह महत्वपूर्ण प्रोटीन और उनके कार्यों को निर्धारित करने के लिए पिन में सबसे अधिक उपयोग किया जाता है। केंद्रीयता को ग्राफ़ और उस प्रश्न के आधार पर अलग-अलग तरीकों से मापा जा सकता है जिसका उत्तर देने की आवश्यकता है, उनमें नोड्स की डिग्री या नोड से जुड़े किनारों की संख्या, वैश्विक केंद्रीयता उपाय, या रैंडम वॉक के माध्यम से सम्मिलित हैं जो [[ पृष्ठ रैंक ]] एल्गोरिथम द्वारा उपयोग किया जाता है प्रत्येक वेबपेज को वजन दें।<ref>{{Cite journal | vauthors = Brin S, Page L |date=1998-04-01 |title=बड़े पैमाने पर हाइपरटेक्स्टुअल वेब सर्च इंजन की शारीरिक रचना|journal=Computer Networks and ISDN Systems |series=Proceedings of the Seventh International World Wide Web Conference |language=en |volume=30 |issue=1 |pages=107–117 |doi=10.1016/S0169-7552(98)00110-X |issn=0169-7552}}</ref> | ||
माप और अन्य कारणों पर शोर के कारण त्रुटियों से केंद्रीयता के उपाय प्रभावित हो सकते हैं।<ref name=cantwell>{{cite journal | vauthors = Cantwell GT, Liu Y, Maier BF, Schwarze AC, Serván CA, Snyder J, St-Onge G | title = थ्रेसहोल्डिंग सामान्य रूप से वितरित डेटा जटिल नेटवर्क बनाता है| journal = Physical Review E | volume = 101 | issue = 6–1 | pages = 062302 | date = June 2020 | pmid = 32688475 | doi = 10.1103/PhysRevE.101.062302 | arxiv = 1902.08278 | bibcode = 2020PhRvE.101f2302C | s2cid = 67856476 }}</ref> इसलिए, टोपोलॉजिकल डिस्क्रिप्टर को यादृच्छिक चर के रूप में परिभाषित किया जाना चाहिए, जो संबंधित संभावना वितरण के साथ उनके मूल्य पर अनिश्चितता को कूटबद्ध करता है।<ref name=raimondo /> | माप और अन्य कारणों पर शोर के कारण त्रुटियों से केंद्रीयता के उपाय प्रभावित हो सकते हैं।<ref name=cantwell>{{cite journal | vauthors = Cantwell GT, Liu Y, Maier BF, Schwarze AC, Serván CA, Snyder J, St-Onge G | title = थ्रेसहोल्डिंग सामान्य रूप से वितरित डेटा जटिल नेटवर्क बनाता है| journal = Physical Review E | volume = 101 | issue = 6–1 | pages = 062302 | date = June 2020 | pmid = 32688475 | doi = 10.1103/PhysRevE.101.062302 | arxiv = 1902.08278 | bibcode = 2020PhRvE.101f2302C | s2cid = 67856476 }}</ref> इसलिए, टोपोलॉजिकल डिस्क्रिप्टर को यादृच्छिक चर के रूप में परिभाषित किया जाना चाहिए, जो संबंधित संभावना वितरण के साथ उनके मूल्य पर अनिश्चितता को कूटबद्ध करता है।<ref name=raimondo /> | ||
=== टोपोलॉजिकल क्लस्टरिंग === | === टोपोलॉजिकल क्लस्टरिंग === | ||
टोपोलॉजिकल क्लस्टरिंग या [[सामयिक डेटा विश्लेषण]] (TDA) उच्च आयामी, अपूर्ण और शोर | टोपोलॉजिकल क्लस्टरिंग या [[सामयिक डेटा विश्लेषण|सामयिक आंकड़े विश्लेषण]] (TDA) उच्च आयामी, अपूर्ण और शोर आंकड़े का विश्लेषण करने के लिए एक सामान्य ढांचा प्रदान करता है जो आयामी को कम करता है और शोर को मजबूती देता है। विचार यह है कि आंकड़े सेट के आकार में प्रासंगिक जानकारी होती है। जब यह जानकारी एक होमोलॉजी (गणित) समूह है, तो एक गणितीय व्याख्या होती है जो मानती है कि पैरामीटर की एक विस्तृत श्रृंखला के लिए बनी रहने वाली विशेषताएं वास्तविक विशेषताएं हैं और पैरामीटर की केवल एक संकीर्ण सीमा के लिए बनी रहने वाली विशेषताएं शोर हैं, हालांकि इसके लिए सैद्धांतिक औचित्य है अस्पष्ट।<ref>{{Cite journal | vauthors = Carlsson G |date=2009 |title=टोपोलॉजी और डेटा|url=https://www.ams.org/bull/2009-46-02/S0273-0979-09-01249-X/ |journal=Bulletin of the American Mathematical Society |language=en |volume=46 |issue=2 |pages=255–308 |doi=10.1090/S0273-0979-09-01249-X |issn=0273-0979}}</ref> इस तकनीक का उपयोग रोग के प्रगति विश्लेषण के लिए किया गया है,<ref>{{cite book | vauthors = Schmidt S, Post TM, Boroujerdi MA, van Kesteren C, Ploeger BA, Pasqua OE, Danhof M | chapter = Disease Progression Analysis: Towards Mechanism-Based Models |date=2011 | veditors = Kimko HH, Peck CC | title = Clinical Trial Simulations: Applications and Trends | series = AAPS Advances in the Pharmaceutical Sciences Series | volume = 1 |pages=433–455 |place=New York, NY |publisher=Springer |language=en |doi=10.1007/978-1-4419-7415-0_19 |isbn=978-1-4419-7415-0 }}</ref><ref>{{cite journal | vauthors = Nicolau M, Levine AJ, Carlsson G | title = टोपोलॉजी आधारित डेटा विश्लेषण एक अद्वितीय उत्परिवर्ती प्रोफ़ाइल और उत्कृष्ट उत्तरजीविता के साथ स्तन कैंसर के एक उपसमूह की पहचान करता है| journal = Proceedings of the National Academy of Sciences of the United States of America | volume = 108 | issue = 17 | pages = 7265–7270 | date = April 2011 | pmid = 21482760 | pmc = 3084136 | doi = 10.1073/pnas.1102826108 | doi-access = free | bibcode = 2011PNAS..108.7265N }}</ref> वायरल विकास,<ref>{{cite journal | vauthors = Chan JM, Carlsson G, Rabadan R | title = वायरल इवोल्यूशन की टोपोलॉजी| journal = Proceedings of the National Academy of Sciences of the United States of America | volume = 110 | issue = 46 | pages = 18566–18571 | date = November 2013 | pmid = 24170857 | pmc = 3831954 | doi = 10.1073/pnas.1313480110 | doi-access = free | bibcode = 2013PNAS..11018566C }}</ref> नेटवर्क पर छूत का प्रसार,<ref>{{cite journal | vauthors = Taylor D, Klimm F, Harrington HA, Kramár M, Mischaikow K, Porter MA, Mucha PJ | title = नेटवर्क पर प्रसार प्रक्रियाओं की जांच के लिए संक्रामक मानचित्रों का सामयिक डेटा विश्लेषण| journal = Nature Communications | volume = 6 | issue = 1 | pages = 7723 | date = July 2015 | pmid = 26194875 | pmc = 4566922 | doi = 10.1038/ncomms8723 | arxiv = 1408.1168 | bibcode = 2015NatCo...6.7723T }}</ref> आण्विक स्पेक्ट्रोस्कोपी का उपयोग कर बैक्टीरिया वर्गीकरण,<ref>{{cite journal | vauthors = Offroy M, Duponchel L | title = Topological data analysis: A promising big data exploration tool in biology, analytical chemistry and physical chemistry | journal = Analytica Chimica Acta | volume = 910 | pages = 1–11 | date = March 2016 | pmid = 26873463 | doi = 10.1016/j.aca.2015.12.037 }}</ref> और जीव विज्ञान के अंदर और बाहर भी बहुत कुछ। | ||
=== सबसे छोटा रास्ता === | === सबसे छोटा रास्ता === | ||
[[सबसे छोटी पथ समस्या]] ग्राफ़ सिद्धांत में एक आम समस्या है जो एक ग्राफ़ में दो वर्टेक्स (ग्राफ़ सिद्धांत) (या नोड्स) के बीच पथ (ग्राफ़ सिद्धांत) को खोजने का प्रयास करती है जैसे कि ग्राफ़ सिद्धांत शब्दों की शब्दावली का योग # भारित ग्राफ़ का इसके घटक किनारों को कम किया जाता है। इस पद्धति का उपयोग नेटवर्क व्यास या नेटवर्क में अतिरेक को निर्धारित करने के लिए किया जा सकता है। इसके लिए कई एल्गोरिदम हैं जिनमें दिक्जस्ट्रा का एल्गोरिदम, बेलमैन-फोर्ड एल्गोरिदम और फ्लॉयड-वॉर्शल एल्गोरिदम | [[सबसे छोटी पथ समस्या]] ग्राफ़ सिद्धांत में एक आम समस्या है जो एक ग्राफ़ में दो वर्टेक्स (ग्राफ़ सिद्धांत) (या नोड्स) के बीच पथ (ग्राफ़ सिद्धांत) को खोजने का प्रयास करती है जैसे कि ग्राफ़ सिद्धांत शब्दों की शब्दावली का योग # भारित ग्राफ़ का इसके घटक किनारों को कम किया जाता है। इस पद्धति का उपयोग नेटवर्क व्यास या नेटवर्क में अतिरेक को निर्धारित करने के लिए किया जा सकता है। इसके लिए कई एल्गोरिदम हैं जिनमें दिक्जस्ट्रा का एल्गोरिदम, बेलमैन-फोर्ड एल्गोरिदम और फ्लॉयड-वॉर्शल एल्गोरिदम सम्मिलित हैं। | ||
== क्लस्टरिंग विश्लेषण == | == क्लस्टरिंग विश्लेषण == | ||
[[क्लस्टर विश्लेषण]] समूह ऑब्जेक्ट्स (नोड्स) जैसे कि एक ही क्लस्टर में ऑब्जेक्ट अन्य क्लस्टर्स की तुलना में एक दूसरे के समान हैं। इसका उपयोग पैटर्न पहचान, [[छवि विश्लेषण]], सूचना पुनर्प्राप्ति, सांख्यिकी [[डेटा विश्लेषण]] और बहुत कुछ करने के लिए किया जा सकता है। इसमें पौधे और पशु पारिस्थितिकी, अनुक्रम विश्लेषण, रोगाणुरोधी गतिविधि विश्लेषण और कई अन्य क्षेत्रों में अनुप्रयोग हैं। : श्रेणी: क्लस्टर विश्लेषण एल्गोरिदम कई रूपों में आते हैं जैसे कि श्रेणीबद्ध क्लस्टरिंग, [[k-मतलब क्लस्टरिंग]], वितरण-आधारित क्लस्टरिंग, घनत्व-आधारित क्लस्टरिंग और ग्रिड-आधारित क्लस्टरिंग। | [[क्लस्टर विश्लेषण]] समूह ऑब्जेक्ट्स (नोड्स) जैसे कि एक ही क्लस्टर में ऑब्जेक्ट अन्य क्लस्टर्स की तुलना में एक दूसरे के समान हैं। इसका उपयोग पैटर्न पहचान, [[छवि विश्लेषण]], सूचना पुनर्प्राप्ति, सांख्यिकी [[डेटा विश्लेषण|आंकड़े विश्लेषण]] और बहुत कुछ करने के लिए किया जा सकता है। इसमें पौधे और पशु पारिस्थितिकी, अनुक्रम विश्लेषण, रोगाणुरोधी गतिविधि विश्लेषण और कई अन्य क्षेत्रों में अनुप्रयोग हैं। : श्रेणी: क्लस्टर विश्लेषण एल्गोरिदम कई रूपों में आते हैं जैसे कि श्रेणीबद्ध क्लस्टरिंग, [[k-मतलब क्लस्टरिंग]], वितरण-आधारित क्लस्टरिंग, घनत्व-आधारित क्लस्टरिंग और ग्रिड-आधारित क्लस्टरिंग। | ||
== एनोटेशन संवर्धन विश्लेषण == | == एनोटेशन संवर्धन विश्लेषण == | ||
जीन एनोटेशन | जीन एनोटेशन आंकड़ेबेस प्रायः प्रयोगात्मक रूप से व्युत्पन्न जीन सेटों के कार्यात्मक गुणों का मूल्यांकन करने के लिए उपयोग किया जाता है। एनोटेशन एनरिचमेंट एनालिसिस (AEA) का उपयोग इन संघों का आकलन करने के लिए उपयोग किए जाने वाले ओवरलैप सांख्यिकीय तरीकों से पूर्वाग्रहों को दूर करने के लिए किया जाता है।<ref>{{cite journal | vauthors = Glass K, Girvan M | title = Annotation enrichment analysis: an alternative method for evaluating the functional properties of gene sets | journal = Scientific Reports | volume = 4 | issue = 1 | pages = 4191 | date = February 2014 | pmid = 24569707 | pmc = 3935204 | doi = 10.1038/srep04191 | bibcode = 2014NatSR...4E4191G }}</ref> यह जीन/प्रोटीन एनोटेशन का उपयोग करके यह पता लगाने के लिए करता है कि कौन से एनोटेशन एक नेटवर्क से लिए गए जीन/प्रोटीन की सूची में अधिक प्रतिनिधित्व करते हैं। | ||
== नेटवर्क विश्लेषण उपकरण == | == नेटवर्क विश्लेषण उपकरण == | ||
Revision as of 11:15, 12 June 2023
जैविक नेटवर्क अनुमान जैविक नेटवर्क के बारे में अनुमान लगाने और भविष्यवाणी करने की प्रक्रिया है।[1] जैविक प्रणालियों में पैटर्न का विश्लेषण करने के लिए नेटवर्क का उपयोग करके, जैसे खाद्य-जाल, हम प्रजातियों, डीएनए, प्रोटीन और अन्य के बीच बातचीत की प्रकृति और ताकत की कल्पना कर सकते हैं।
बीमारियों के संबंध में जैविक नेटवर्क के विश्लेषण से नेटवर्क दवा के क्षेत्र का विकास हुआ है।[2] जीव विज्ञान में नेटवर्क सिद्धांत के अनुप्रयोग के हाल के उदाहरणों में कोशिका चक्र को समझने के अनुप्रयोग सम्मिलित हैं[3] साथ ही विकासात्मक प्रक्रियाओं के लिए एक मात्रात्मक ढांचा।[4] अच्छे नेटवर्क अनुमान के लिए प्रयोग की उचित योजना और निष्पादन की आवश्यकता होती है, जिससे गुणवत्ता आंकड़े अधिग्रहण सुनिश्चित होता है। सैद्धांतिक रूप से इष्टतम प्रयोगात्मक डिजाइन आंकड़े अधिग्रहण के लिए योजना बनाने के लिए सांख्यिकीय और/ या गणितीय अवधारणाओं के उपयोग को संदर्भित करता है। यह इस तरह से किया जाना चाहिए कि आंकड़े सूचना सामग्री समृद्ध हो, और जहां आवश्यक हो, पर्याप्त तकनीकी और जैविक प्रतिकृति के साथ पर्याप्त मात्रा में आंकड़े एकत्र किया जाए।[citation needed]
चरण
मॉडलिंग जैविक नेटवर्क का सामान्य चक्र इस प्रकार है:[citation needed]
- पूर्व ज्ञान
- संपूर्ण साहित्य और आंकड़े बेस खोज या विशेषज्ञ की राय लेना सम्मिलित है।
- मॉडल चयन
- आपके सिस्टम को मॉडल करने के लिए औपचारिकता, प्रायः एक सामान्य अंतर समीकरण, बूलियन नेटवर्क, या रैखिक प्रतिगमन मॉडल, उदा। कम से कम कोण प्रतिगमन, बायेसियन नेटवर्क द्वारा या सूचना सिद्धांत दृष्टिकोण के आधार पर।[5][6] यह एक सहसंबंध-आधारित अनुमान एल्गोरिथ्म के अनुप्रयोग द्वारा भी किया जा सकता है, जैसा कि नीचे चर्चा की जाएगी, एक दृष्टिकोण जो सफलता प्राप्त कर रहा है क्योंकि उपलब्ध माइक्रोएरे सेट का आकार बढ़ता जा रहा है [7][8][9]
- परिकल्पना / धारणाएँ
- प्रयोगात्मक परिरूप
- आंकड़ा अधिग्रहण
- सुनिश्चित करें कि मापे जा रहे सभी आवश्यक चरों के साथ उच्च गुणवत्ता वाला आंकड़े एकत्र किया गया है
- नेटवर्क अनुमान
- यह प्रक्रिया गणितीय कठोर और कम्प्यूटेशनल रूप से महंगी है।
- मॉडल शोधन
- क्रॉस चेक करें कि नतीजे उम्मीदों पर कितने खरे उतरे हैं। आंकड़े के लिए एक अच्छा मॉडल फिट होने पर प्रक्रिया को समाप्त कर दिया जाता है, अन्यथा मॉडल को फिर से समायोजित करने की आवश्यकता होती है।
जैविक नेटवर्क
एक नेटवर्क नोड्स का एक सेट है और नोड्स के बीच निर्देशित या अप्रत्यक्ष किनारों का एक सेट है। कई प्रकार के जैविक नेटवर्क मौजूद हैं, जिनमें ट्रांसक्रिप्शनल, सिग्नलिंग और मेटाबोलिक सम्मिलित हैं। इस तरह के कुछ नेटवर्क अपनी पूरी संरचना के निकट आने वाली किसी भी चीज़ में जाने जाते हैं, यहाँ तक कि सबसे सरल बैक्टीरिया में भी। समय के साथ इस तरह के नेटवर्क के व्यवहार को नियंत्रित करने वाले मापदंडों पर अभी भी कम जाना जाता है, एक सेल में विभिन्न स्तरों पर नेटवर्क कैसे बातचीत करते हैं, और भविष्य में किसी बिंदु पर यूकेरियोट सेल या जीवाणु जीव के पूर्ण राज्य विवरण की भविष्यवाणी कैसे करें। सिस्टम बायोलॉजी, इस अर्थ में, अभी भी अपनी प्रारंभिक अवस्था में है।
मॉडलिंग जैविक प्रणालियों के लिए नेटवर्क मेडिसिन में बहुत रुचि है। यह लेख जीन, प्रोटीन और चयापचय के लिए उच्च-थ्रूपुट अभिव्यक्ति आंकड़े के बढ़ते सेटों का उपयोग करके जैविक नेटवर्क संरचना के अनुमान पर केंद्रित है।[10] संक्षेप में, विनियामक नेटवर्क के अनुमान के लिए उच्च-थ्रूपुट आंकड़े का उपयोग करने वाली विधियाँ आंशिक सहसंबंध या सशर्त संभावनाओं के पैटर्न की खोज पर निर्भर करती हैं जो कारण प्रभाव का संकेत देती हैं।[7][11] उच्च-थ्रूपुट आंकड़े में पाए जाने वाले आंशिक सहसंबंधों के ऐसे पैटर्न, संभवतः प्रस्तावित नेटवर्क में जीन या प्रोटीन पर अन्य पूरक आंकड़े के साथ संयुक्त, या जीव पर अन्य जानकारी के साथ संयुक्त, आधार बनाते हैं जिस पर ऐसे कलन विधि काम करते हैं। ऐसे एल्गोरिदम किसी भी नेटवर्क की टोपोलॉजी का अनुमान लगाने में उपयोगी हो सकते हैं जहां एक नोड (नेटवर्किंग) की स्थिति में परिवर्तन अन्य नोड्स की स्थिति को प्रभावित कर सकता है।
ट्रांसक्रिप्शनल नियामक नेटवर्क
जीन नोड हैं और किनारों को निर्देशित किया जाता है। एक जीन एक आरएनए या प्रोटीन अणु का उत्पादन करके लक्ष्य जीन के प्रत्यक्ष नियामक बढ़त के स्रोत के रूप में कार्य करता है जो एक ट्रांसक्रिप्शनल एक्टिवेटर या लक्ष्य जीन के अवरोधक के रूप में कार्य करता है। यदि जीन एक सक्रियकर्ता है, तो यह सकारात्मक नियामक कनेक्शन का स्रोत है; यदि एक अवरोधक है, तो यह एक नकारात्मक विनियामक कनेक्शन का स्रोत है। कम्प्यूटेशनल एल्गोरिदम नेटवर्क में सम्मिलित करने के लिए विचाराधीन जीन के mRNA अभिव्यक्ति स्तरों के प्राथमिक इनपुट आंकड़े माप के रूप में लेते हैं, नेटवर्क टोपोलॉजी का एक अनुमान लौटाते हैं। ऐसे एल्गोरिदम प्रायः रैखिकता, स्वतंत्रता या सामान्यता मान्यताओं पर आधारित होते हैं, जिन्हें केस-बाय-केस आधार पर सत्यापित किया जाना चाहिए।[12] क्लस्टरिंग या कुछ प्रकार के सांख्यिकीय वर्गीकरण को प्रायः माइक्रोएरे प्रयोगों से प्राप्त उच्च-थ्रूपुट एमआरएनए अभिव्यक्ति मूल्यों के प्रारंभिक संगठन को करने के लिए नियोजित किया जाता है, विशेष रूप से नेटवर्क नोड्स के उम्मीदवारों के रूप में जीन के सेट का चयन करने के लिए।[13] फिर सवाल उठता है: क्लस्टरिंग या वर्गीकरण के परिणाम अंतर्निहित जीव विज्ञान से कैसे जुड़े हो सकते हैं? इस तरह के परिणाम पैटर्न वर्गीकरण के लिए उपयोगी हो सकते हैं - उदाहरण के लिए, कैंसर के उपप्रकारों को वर्गीकृत करने के लिए, या किसी दवा (फार्माकोजेनोमिक्स) के लिए विभेदक प्रतिक्रियाओं की भविष्यवाणी करने के लिए। लेकिन जीन के बीच संबंधों को समझने के लिए, अर्थात्, प्रत्येक जीन के दूसरों पर प्रभाव को अधिक सटीक रूप से परिभाषित करने के लिए, वैज्ञानिक प्रायः ट्रांसक्रिप्शनल नियामक नेटवर्क का पुनर्निर्माण करने का प्रयास करते हैं।
जीन सह-अभिव्यक्ति नेटवर्क
एक जीन सह-अभिव्यक्ति नेटवर्क एक ग्राफ (असतत गणित) # अप्रत्यक्ष ग्राफ है, जहां प्रत्येक नोड एक जीन से मेल खाता है, और एक महत्वपूर्ण जीन अभिव्यक्ति होने पर नोड्स की एक जोड़ी किनारे से जुड़ी होती है। उनके बीच सह-अभिव्यक्ति संबंध।
सिग्नल ट्रांसडक्शन
सिग्नल ट्रांसडक्शन नेटवर्क नोड्स और निर्देशित किनारों के लिए प्रोटीन का उपयोग बातचीत का प्रतिनिधित्व करने के लिए करते हैं जिसमें माता-पिता की कार्रवाई द्वारा बच्चे की जैव रासायनिक संरचना को संशोधित किया जाता है (उदाहरण के लिए फास्फारिलीकरण, सर्वव्यापकता, मिथाइलेशन, आदि द्वारा मध्यस्थता)। निष्कर्ष एल्गोरिथम में प्राथमिक इनपुट प्रोटीन के एक सेट में प्रोटीन सक्रियण/निष्क्रियता (जैसे, फास्फोरिलीकरण/डीफॉस्फोराइलेशन) को मापने वाले प्रयोगों के एक सेट से आंकड़े होगा। इस तरह के सिग्नलिंग नेटवर्क के लिए अनुमान इस तथ्य से जटिल है कि ट्रांसक्रिप्शनल और ट्रांसलेशनल विनियमन के कारण समय के साथ सिग्नलिंग प्रोटीन की कुल सांद्रता में उतार-चढ़ाव होगा। इस तरह की भिन्नता से सांख्यिकीय भ्रम पैदा हो सकता है। तदनुसार, ऐसे आंकड़ेसेट का विश्लेषण करने के लिए अधिक परिष्कृत सांख्यिकीय तकनीकों को लागू किया जाना चाहिए।[14](कैंसर के जीव विज्ञान में बहुत महत्वपूर्ण)
मेटाबोलिक नेटवर्क
मेटाबोलाइट नेटवर्क रासायनिक प्रतिक्रियाओं का प्रतिनिधित्व करने के लिए नोड्स का उपयोग करते हैं और इन प्रतिक्रियाओं को निर्देशित करने वाले चयापचय मार्गों और नियामक इंटरैक्शन के लिए किनारों को निर्देशित करते हैं। एल्गोरिथ्म में प्राथमिक इनपुट मेटाबोलाइट स्तरों को मापने वाले प्रयोगों के एक सेट से आंकड़े होगा।
प्रोटीन-प्रोटीन इंटरैक्शन नेटवर्क
जीव विज्ञान में सबसे गहन अध्ययन किए गए नेटवर्क में से एक, प्रोटीन-प्रोटीन इंटरेक्शन नेटवर्क (पिन) एक कोशिका के अंदर प्रोटीन के बीच शारीरिक संबंधों की कल्पना करते हैं। एक पिन में, प्रोटीन नोड होते हैं और उनकी अंतःक्रियाएं अप्रत्यक्ष किनारे होती हैं। पिन सहित विभिन्न तरीकों से खोजा जा सकता है; दो-हाइब्रिड स्क्रीनिंग | टू-हाइब्रिड स्क्रीनिंग, इन विट्रो: को-इम्युनोप्रेवेरेशन,[15] नीला देशी जेल वैद्युतकणसंचलन,[16] और अधिक।[17]
न्यूरॉनल नेटवर्क
एक न्यूरोनल नेटवर्क प्रत्येक नोड के साथ न्यूरॉन्स का प्रतिनिधित्व करने के लिए बना होता है और किनारों के लिए सिनैप्स होता है, जो प्रायः भारित और निर्देशित होते हैं। किनारों के वजन को प्रायः कनेक्टेड नोड्स के सक्रियण द्वारा समायोजित किया जाता है। नेटवर्क प्रायः इनपुट लेयर्स, हिडन लेयर्स और आउटपुट लेयर्स में व्यवस्थित होता है।
खाद्य जाले
एक खाद्य वेब एक पारिस्थितिक तंत्र में क्या खाता है इसका एक परस्पर दिशात्मक ग्राफ है। पारिस्थितिक तंत्र के सदस्य नोड होते हैं और यदि एक सदस्य दूसरे सदस्य को खाता है तो उन 2 नोड्स के बीच एक निर्देशित किनारा होता है।
प्रजातियों के भीतर और प्रजातियों के बीच संपर्क नेटवर्क
इन नेटवर्कों को एक प्रजाति के बीच और भीतर जोड़ीदार अंतःक्रियाओं के एक सेट द्वारा परिभाषित किया जाता है जिसका उपयोग बड़े पारिस्थितिक नेटवर्क की संरचना और कार्य को समझने के लिए किया जाता है।[18] सोशल नेटवर्क विश्लेषण का उपयोग करके हम खोज सकते हैं और समझ सकते हैं कि ये इंटरैक्शन सिस्टम के नेटवर्क के भीतर एक साथ कैसे जुड़ते हैं। यह हमें व्यक्तियों के बीच संबंधों की मात्रा निर्धारित करने की भी अनुमति देता है, जिससे प्रजातियों और/या जनसंख्या स्तर पर संपूर्ण नेटवर्क के बारे में विवरण प्राप्त करना संभव हो जाता है।[19]
डीएनए-डीएनए क्रोमैटिन नेटवर्क
डीएनए-डीएनए क्रोमेटिन नेटवर्क का उपयोग क्रोमैटिन के स्ट्रैंड्स के सापेक्ष स्थान के माध्यम से जीन की सक्रियता या दमन को स्पष्ट करने के लिए किया जाता है। इन अंतःक्रियाओं को विभिन्न लोकस (आनुवांशिकी) के बीच समानताओं का विश्लेषण करके समझा जा सकता है, एक गुणसूत्र पर एक निश्चित स्थिति जहां एक विशेष जीन या आनुवंशिक मार्कर स्थित होता है। नेटवर्क विश्लेषण जीनोम के विभिन्न क्षेत्रों के बीच संबंधों को समझने में महत्वपूर्ण सहायता प्रदान कर सकता है।
जीन नियामक नेटवर्क
एक जीन नियामक नेटवर्क[20] आणविक नियामकों का एक समूह है जो एक दूसरे के साथ और सेल में अन्य पदार्थों के साथ बातचीत करता है। नियामक डीएनए, आरएनए, प्रोटीन और इनके परिसर हो सकते हैं। जीन विनियामक नेटवर्क सहित कई तरीकों से मॉडलिंग की जा सकती है; युग्मित साधारण अंतर समीकरण, बूलियन नेटवर्क, सतत नेटवर्क और स्टोचैस्टिक जीन नेटवर्क।
नेटवर्क गुण
![[icon]](/wiki/File:Wiki_letter_w_cropped.svg){kind=small} | This section is empty. You can help by adding to it. (September 2022) |
आंकड़े स्रोत
अनुमान लगाने के लिए उपयोग किए जाने वाले प्रारंभिक आंकड़े का अंतिम अनुमान की सटीकता पर भारी प्रभाव पड़ सकता है। नेटवर्क आंकड़े स्वाभाविक रूप से शोर और अधूरा होता है, कभी-कभी कई स्रोतों से साक्ष्य के कारण जो ओवरलैप या विरोधाभासी आंकड़े नहीं होते हैं। डिजिटल युग से पहले के पुराने विद्वानों के लेखों के डाटाबेस, उच्च-थ्रूपुट आंकड़ेसेट, कम्प्यूटेशनल भविष्यवाणियों और टेक्स्ट माइनिंग में डाले गए वैज्ञानिक साहित्य के मैन्युअल क्यूरेशन को सम्मिलित करने के लिए आंकड़े को कई तरीकों से प्राप्त किया जा सकता है।
नेटवर्क व्यास
एक नेटवर्क का व्यास किसी भी दो नोड्स को अलग करने वाले चरणों की अधिकतम संख्या है और इसका उपयोग यह निर्धारित करने के लिए किया जा सकता है कि टोपोलॉजी विश्लेषण और क्लस्टरिंग विश्लेषण में ग्राफ कैसे जुड़ा हुआ है।
सकरात्मकता
एक नेटवर्क की ट्रांज़िटिविटी या क्लस्टरिंग गुणांक एक साथ क्लस्टर करने के लिए नोड्स की प्रवृत्ति का एक उपाय है। उच्च ट्रांज़िटिविटी का अर्थ है कि नेटवर्क में समुदायों या नोड्स के समूह होते हैं जो आंतरिक रूप से सघन रूप से जुड़े होते हैं। जैविक नेटवर्क में, इन समुदायों को खोजना बहुत महत्वपूर्ण है, क्योंकि वे कार्यात्मक मॉड्यूल और प्रोटीन परिसरों को प्रतिबिंबित कर सकते हैं[21] कनेक्टिविटी के बारे में अनिश्चितता परिणामों को विकृत कर सकती है और अनुमानित नेटवर्क के लिए ट्रांज़िटिविटी और अन्य टोपोलॉजिकल डिस्क्रिप्टर की गणना करते समय इसे ध्यान में रखा जाना चाहिए।[9]
नेटवर्क विश्वास
नेटवर्क विश्वास यह मापने का एक तरीका है कि कोई कितना सुनिश्चित हो सकता है कि नेटवर्क एक वास्तविक जैविक संपर्क का प्रतिनिधित्व करता है। हम इसे प्रासंगिक जैविक जानकारी के माध्यम से कर सकते हैं, साहित्य में एक बातचीत की रिपोर्ट की संख्या की संख्या की गणना कर सकते हैं, या अलग-अलग रणनीतियों को एक ही स्कोर में समूहित कर सकते हैं। Measuring-Confidence/ MIscore प्रोटीन-प्रोटीन इंटरैक्शन आंकड़े की विश्वसनीयता का आकलन करने के लिए विधि मानकों के उपयोग पर आधारित है।[22] MIscore प्रोटीन की एक परस्पर क्रिया करने वाली जोड़ी के लिए सभी उपलब्ध साक्ष्यों पर विश्वास भार का अनुमान देता है। विधि विभिन्न स्रोतों द्वारा प्रदान किए गए साक्ष्य के भार की अनुमति देती है, बशर्ते आंकड़े IMEx कंसोर्टियम द्वारा बनाए गए मानकों का पालन करते हुए प्रस्तुत किया गया हो। वजन प्रकाशनों की संख्या, पता लगाने की विधि, सहभागिता साक्ष्य प्रकार हैं।
निकटता
क्लोजनेस, उर्फ क्लोजनेस सेंट्रलिटी, एक नेटवर्क में केंद्रीयता का एक उपाय है और इसकी गणना ग्राफ में नोड और अन्य सभी नोड्स के बीच सबसे छोटे रास्तों की लंबाई के योग के रूप में की जाती है। इस उपाय का उपयोग सभी ग्राफ प्रकारों और विश्लेषण विधियों में अनुमान लगाने के लिए किया जा सकता है।
बीच
बिटवीनेस, उर्फ बिटनेस सेंट्रलिटी, सबसे छोटे रास्तों पर आधारित ग्राफ में केंद्रीयता का माप है। प्रत्येक नोड के लिए बीच इन सबसे छोटे रास्तों की संख्या है जो नोड से होकर गुजरते हैं।
नेटवर्क विश्लेषण के तरीके
हमारे उद्देश्यों के लिए, नेटवर्क विश्लेषण ग्राफ़ सिद्धांत से निकटता से संबंधित है। पिछले अनुभाग में विशेषताओं को मापकर हम जैविक आंकड़े के आधार पर सटीक अनुमान बनाने के लिए कई अलग-अलग तकनीकों का उपयोग कर सकते हैं।
टोपोलॉजी विश्लेषण
टोपोलॉजी विश्लेषण एक नेटवर्क की टोपोलॉजी का विश्लेषण करता है ताकि प्रासंगिक प्रतिभागियों और उप-संरचनाओं की पहचान की जा सके जो जैविक महत्व के हो सकते हैं। इस शब्द में तकनीकों की एक पूरी श्रेणी सम्मिलित है जैसे कि नेटवर्क मूल भाव सर्च, सेंट्रलिटी एनालिसिस, टोपोलॉजिकल क्लस्टरिंग और शॉर्टेस्ट पाथ। ये कुछ उदाहरण हैं, इनमें से प्रत्येक तकनीक अनुमान लगाने के लिए नेटवर्क की टोपोलॉजी पर ध्यान केंद्रित करने के सामान्य विचार का उपयोग करती है।
नेटवर्क आकृति खोज
एक मोटिफ को लगातार और अद्वितीय उप-ग्राफ के रूप में परिभाषित किया जाता है। सभी संभावित उदाहरणों की गणना करके, सभी पैटर्नों को सूचीबद्ध करके, और समरूपता का परीक्षण करके हम एक नेटवर्क के बारे में महत्वपूर्ण जानकारी प्राप्त कर सकते हैं। उन्हें बुनियादी बिल्डिंग ब्लॉक जटिल जैविक नेटवर्क होने का सुझाव दिया गया है। कम्प्यूटेशनल शोध ने जैविक जांचों की सहायता के लिए मौजूदा प्रारूप पहचान उपकरणों में सुधार करने और बड़े नेटवर्कों का विश्लेषण करने की अनुमति देने पर ध्यान केंद्रित किया है। अब तक कई अलग-अलग एल्गोरिदम प्रदान किए गए हैं, जिन्हें अगले भाग में विस्तृत किया गया है।
केंद्रीयता विश्लेषण
सेंट्रलिटी इस बात का अनुमान लगाती है कि नेटवर्क की कनेक्टिविटी या सूचना प्रवाह के लिए नोड या किनारा कितना महत्वपूर्ण है। यह सिग्नलिंग नेटवर्क में एक उपयोगी पैरामीटर है और इसका उपयोग अक्सर दवा लक्ष्य खोजने की कोशिश करते समय किया जाता है।[23] यह महत्वपूर्ण प्रोटीन और उनके कार्यों को निर्धारित करने के लिए पिन में सबसे अधिक उपयोग किया जाता है। केंद्रीयता को ग्राफ़ और उस प्रश्न के आधार पर अलग-अलग तरीकों से मापा जा सकता है जिसका उत्तर देने की आवश्यकता है, उनमें नोड्स की डिग्री या नोड से जुड़े किनारों की संख्या, वैश्विक केंद्रीयता उपाय, या रैंडम वॉक के माध्यम से सम्मिलित हैं जो पृष्ठ रैंक एल्गोरिथम द्वारा उपयोग किया जाता है प्रत्येक वेबपेज को वजन दें।[24] माप और अन्य कारणों पर शोर के कारण त्रुटियों से केंद्रीयता के उपाय प्रभावित हो सकते हैं।[25] इसलिए, टोपोलॉजिकल डिस्क्रिप्टर को यादृच्छिक चर के रूप में परिभाषित किया जाना चाहिए, जो संबंधित संभावना वितरण के साथ उनके मूल्य पर अनिश्चितता को कूटबद्ध करता है।[9]
टोपोलॉजिकल क्लस्टरिंग
टोपोलॉजिकल क्लस्टरिंग या सामयिक आंकड़े विश्लेषण (TDA) उच्च आयामी, अपूर्ण और शोर आंकड़े का विश्लेषण करने के लिए एक सामान्य ढांचा प्रदान करता है जो आयामी को कम करता है और शोर को मजबूती देता है। विचार यह है कि आंकड़े सेट के आकार में प्रासंगिक जानकारी होती है। जब यह जानकारी एक होमोलॉजी (गणित) समूह है, तो एक गणितीय व्याख्या होती है जो मानती है कि पैरामीटर की एक विस्तृत श्रृंखला के लिए बनी रहने वाली विशेषताएं वास्तविक विशेषताएं हैं और पैरामीटर की केवल एक संकीर्ण सीमा के लिए बनी रहने वाली विशेषताएं शोर हैं, हालांकि इसके लिए सैद्धांतिक औचित्य है अस्पष्ट।[26] इस तकनीक का उपयोग रोग के प्रगति विश्लेषण के लिए किया गया है,[27][28] वायरल विकास,[29] नेटवर्क पर छूत का प्रसार,[30] आण्विक स्पेक्ट्रोस्कोपी का उपयोग कर बैक्टीरिया वर्गीकरण,[31] और जीव विज्ञान के अंदर और बाहर भी बहुत कुछ।
सबसे छोटा रास्ता
सबसे छोटी पथ समस्या ग्राफ़ सिद्धांत में एक आम समस्या है जो एक ग्राफ़ में दो वर्टेक्स (ग्राफ़ सिद्धांत) (या नोड्स) के बीच पथ (ग्राफ़ सिद्धांत) को खोजने का प्रयास करती है जैसे कि ग्राफ़ सिद्धांत शब्दों की शब्दावली का योग # भारित ग्राफ़ का इसके घटक किनारों को कम किया जाता है। इस पद्धति का उपयोग नेटवर्क व्यास या नेटवर्क में अतिरेक को निर्धारित करने के लिए किया जा सकता है। इसके लिए कई एल्गोरिदम हैं जिनमें दिक्जस्ट्रा का एल्गोरिदम, बेलमैन-फोर्ड एल्गोरिदम और फ्लॉयड-वॉर्शल एल्गोरिदम सम्मिलित हैं।
क्लस्टरिंग विश्लेषण
क्लस्टर विश्लेषण समूह ऑब्जेक्ट्स (नोड्स) जैसे कि एक ही क्लस्टर में ऑब्जेक्ट अन्य क्लस्टर्स की तुलना में एक दूसरे के समान हैं। इसका उपयोग पैटर्न पहचान, छवि विश्लेषण, सूचना पुनर्प्राप्ति, सांख्यिकी आंकड़े विश्लेषण और बहुत कुछ करने के लिए किया जा सकता है। इसमें पौधे और पशु पारिस्थितिकी, अनुक्रम विश्लेषण, रोगाणुरोधी गतिविधि विश्लेषण और कई अन्य क्षेत्रों में अनुप्रयोग हैं। : श्रेणी: क्लस्टर विश्लेषण एल्गोरिदम कई रूपों में आते हैं जैसे कि श्रेणीबद्ध क्लस्टरिंग, k-मतलब क्लस्टरिंग, वितरण-आधारित क्लस्टरिंग, घनत्व-आधारित क्लस्टरिंग और ग्रिड-आधारित क्लस्टरिंग।
एनोटेशन संवर्धन विश्लेषण
जीन एनोटेशन आंकड़ेबेस प्रायः प्रयोगात्मक रूप से व्युत्पन्न जीन सेटों के कार्यात्मक गुणों का मूल्यांकन करने के लिए उपयोग किया जाता है। एनोटेशन एनरिचमेंट एनालिसिस (AEA) का उपयोग इन संघों का आकलन करने के लिए उपयोग किए जाने वाले ओवरलैप सांख्यिकीय तरीकों से पूर्वाग्रहों को दूर करने के लिए किया जाता है।[32] यह जीन/प्रोटीन एनोटेशन का उपयोग करके यह पता लगाने के लिए करता है कि कौन से एनोटेशन एक नेटवर्क से लिए गए जीन/प्रोटीन की सूची में अधिक प्रतिनिधित्व करते हैं।
नेटवर्क विश्लेषण उपकरण
| Network | Analysis Tools |
|---|---|
| Transcriptional regulatory networks | FANMOD,[33] ChIP-on-chip,[34] position–weight |
| Gene Co-Expression Networks | FANMOD, Paired Design,[35] WGCNA[36] |
| Signal transduction | FANMOD, PathLinker[37] |
| Metabolic Network | FANMOD, Pathway Tools, Ergo, KEGGtranslator, ModelSEED |
| Protein-Protein Interaction Networks | FANMOD, NETBOX,[38] Text Mining,[39] STRING |
| Neuronal Network | FANMOD, Neural Designer, Neuroph, Darknet |
| Food Webs | FANMOD, RCN, R |
| Within Species and Between Species Interaction Networks | FANMOD, NETBOX |
| DNA-DNA Chromatin Networks | FANMOD, |
| Gene Regulatory Networks | FANMOD, |
यह भी देखें
- साइटोस्केप टूल
- बायेसियन प्रायिकता
- नेटवर्क दवा
संदर्भ
- ↑ Mercatelli D, Scalambra L, Triboli L, Ray F, Giorgi FM (June 2020). "Gene regulatory network inference resources: A practical overview". Biochimica et Biophysica Acta (BBA) - Gene Regulatory Mechanisms. 1863 (6): 194430. doi:10.1016/j.bbagrm.2019.194430. PMID 31678629. S2CID 207895066.
- ↑ Barabási AL, Gulbahce N, Loscalzo J (January 2011). "Network medicine: a network-based approach to human disease". Nature Reviews. Genetics. 12 (1): 56–68. doi:10.1038/nrg2918. PMC 3140052. PMID 21164525.
- ↑ Jailkhani N, Ravichandran S, Hegde SR, Siddiqui Z, Mande SC, Rao KV (December 2011). "प्रमुख नियामक तत्वों का चित्रण माइटोजन-सक्रिय सिग्नलिंग नेटवर्क में भेद्यता के बिंदुओं की पहचान करता है". Genome Research. 21 (12): 2067–2081. doi:10.1101/gr.116145.110. PMC 3227097. PMID 21865350.
- ↑ Jackson MD, Duran-Nebreda S, Bassel GW (October 2017). "बहुकोशिकीय विकास की मात्रा निर्धारित करने के लिए नेटवर्क-आधारित दृष्टिकोण". Journal of the Royal Society, Interface. 14 (135): 20170484. doi:10.1098/rsif.2017.0484. PMC 5665831. PMID 29021161.
- ↑ van Someren EP, Wessels LF, Backer E, Reinders MJ (July 2002). "जेनेटिक नेटवर्क मॉडलिंग". Pharmacogenomics. 3 (4): 507–525. doi:10.1517/14622416.3.4.507. PMID 12164774.
- ↑ Banf M, Rhee SY (January 2017). "Computational inference of gene regulatory networks: Approaches, limitations and opportunities". Biochimica et Biophysica Acta (BBA) - Gene Regulatory Mechanisms. 1860 (1): 41–52. doi:10.1016/j.bbagrm.2016.09.003. PMID 27641093.
- ↑ 7.0 7.1 Marbach D, Costello JC, Küffner R, Vega NM, Prill RJ, Camacho DM, et al. (July 2012). "मजबूत जीन नेटवर्क अनुमान के लिए भीड़ की बुद्धि". Nature Methods. 9 (8): 796–804. doi:10.1038/nmeth.2016. PMC 3512113. PMID 22796662.
- ↑ Faith JJ, Hayete B, Thaden JT, Mogno I, Wierzbowski J, Cottarel G, et al. (January 2007). "बड़े पैमाने पर मानचित्रण और अभिव्यक्ति प्रोफाइल के एक संग्रह से एस्चेरिचिया कोलाई ट्रांसक्रिप्शनल विनियमन का सत्यापन". PLOS Biology. 5 (1): e8. doi:10.1371/journal.pbio.0050008. PMC 1764438. PMID 17214507.
- ↑ 9.0 9.1 9.2 Raimondo S, De Domenico M (February 2021). "अनिश्चितता के तहत जटिल नेटवर्क के टोपोलॉजिकल डिस्क्रिप्टर को मापना". Physical Review E. 103 (2–1): 022311. arXiv:2009.06326. Bibcode:2021PhRvE.103b2311R. doi:10.1103/PhysRevE.103.022311. PMID 33735966. S2CID 221655165.
- ↑ Tieri P, Farina L, Petti M, Astolfi L, Paci P, Castiglione F (2018). "जैव सूचना विज्ञान में नेटवर्क निष्कर्ष और पुनर्निर्माण". Encyclopedia of Bioinformatics and Computational Biology. 2: 805–813. doi:10.1016/B978-0-12-809633-8.20290-2. ISBN 9780128114322. S2CID 65155962.
- ↑ Sprites P, Glamour C, Scheines R (2000). Causation, Prediction, and Search: Adaptive Computation and Machine Learning (2nd ed.). MIT Press.
- ↑ Oates CJ, Mukherjee S (September 2012). "नेटवर्क निष्कर्ष और जैविक गतिशीलता". The Annals of Applied Statistics. 6 (3): 1209–1235. arXiv:1112.1047. doi:10.1214/11-AOAS532. PMC 3533376. PMID 23284600.
- ↑ Guthke R, Möller U, Hoffmann M, Thies F, Töpfer S (April 2005). "जीवाणु संक्रमण के दौरान प्रतिरक्षा प्रतिक्रिया पर लागू जीन अभिव्यक्ति डेटा से गतिशील नेटवर्क पुनर्निर्माण". Bioinformatics. 21 (8): 1626–1634. doi:10.1093/bioinformatics/bti226. PMID 15613398.
- ↑ Oates CJ, Mukherjee S (2012). "Structural inference using nonlinear dynamics". CRiSM Working Paper. 12 (7).
- ↑ Isono E, Schwechheimer C (2010). "Co-immunoprecipitation and protein blots". In Hennig L, Köhler C (eds.). संयंत्र विकासात्मक जीवविज्ञान. Methods in Molecular Biology. Vol. 655. Totowa, NJ: Humana Press. pp. 377–387. doi:10.1007/978-1-60761-765-5_25. ISBN 978-1-60761-765-5. PMID 20734274.
- ↑ Wittig I, Braun HP, Schägger H (June 2006). "नीला देशी पृष्ठ". Nature Protocols. 1 (1): 418–428. doi:10.1038/nprot.2006.62. PMID 17406264. S2CID 19715017.
- ↑ Miernyk JA, Thelen JJ (February 2008). "प्रोटीन-प्रोटीन इंटरैक्शन की खोज के लिए जैव रासायनिक दृष्टिकोण". The Plant Journal. 53 (4): 597–609. doi:10.1111/j.1365-313X.2007.03316.x. PMID 18269571.
- ↑ Bascompte J (July 2009). "जीवन के जाल को खोलना". Science. 325 (5939): 416–419. Bibcode:2009Sci...325..416B. doi:10.1126/science.1170749. PMID 19628856. S2CID 2249052.
- ↑ Croft DP, Krause J, James R (December 2004). "गप्पी में सामाजिक नेटवर्क (पोसीलिया रेटिकुलाटा)". Proceedings. Biological Sciences. 271 (Suppl 6): S516–S519. doi:10.1098/rsbl.2004.0206. PMC 1810091. PMID 15801620.
- ↑ Emmert-Streib F, Dehmer M, Haibe-Kains B (2014). "Gene regulatory networks and their applications: understanding biological and medical problems in terms of networks". Frontiers in Cell and Developmental Biology. 2: 38. doi:10.3389/fcell.2014.00038. PMC 4207011. PMID 25364745.
- ↑ Hsia CW, Ho MY, Shui HA, Tsai CB, Tseng MJ (February 2015). "विंका अल्कलॉइड दवा, कोलिसिन के पूर्व विवो बाल विकास अवरोध प्रभाव को प्रोफ़ाइल करने के लिए STRING डेटाबेस का उपयोग करके त्वचीय पैपिला सेल इंटरएक्टिव का विश्लेषण". International Journal of Molecular Sciences. 16 (2): 3579–3598. doi:10.3390/ijms16023579. PMC 4346914. PMID 25664862.
- ↑ Villaveces JM, Jiménez RC, Porras P, Del-Toro N, Duesbury M, Dumousseau M, et al. (2015-01-01). "Merging and scoring molecular interactions utilising existing community standards: tools, use-cases and a case study". Database. 2015: bau131. doi:10.1093/database/bau131. PMC 4316181. PMID 25652942.
- ↑ EMBL-EBI. "Centrality analysis | Network analysis of protein interaction data" (in English). Retrieved 2022-05-05.
- ↑ Brin S, Page L (1998-04-01). "बड़े पैमाने पर हाइपरटेक्स्टुअल वेब सर्च इंजन की शारीरिक रचना". Computer Networks and ISDN Systems. Proceedings of the Seventh International World Wide Web Conference (in English). 30 (1): 107–117. doi:10.1016/S0169-7552(98)00110-X. ISSN 0169-7552.
- ↑ Cantwell GT, Liu Y, Maier BF, Schwarze AC, Serván CA, Snyder J, St-Onge G (June 2020). "थ्रेसहोल्डिंग सामान्य रूप से वितरित डेटा जटिल नेटवर्क बनाता है". Physical Review E. 101 (6–1): 062302. arXiv:1902.08278. Bibcode:2020PhRvE.101f2302C. doi:10.1103/PhysRevE.101.062302. PMID 32688475. S2CID 67856476.
- ↑ Carlsson G (2009). "टोपोलॉजी और डेटा". Bulletin of the American Mathematical Society (in English). 46 (2): 255–308. doi:10.1090/S0273-0979-09-01249-X. ISSN 0273-0979.
- ↑ Schmidt S, Post TM, Boroujerdi MA, van Kesteren C, Ploeger BA, Pasqua OE, Danhof M (2011). "Disease Progression Analysis: Towards Mechanism-Based Models". In Kimko HH, Peck CC (eds.). Clinical Trial Simulations: Applications and Trends. AAPS Advances in the Pharmaceutical Sciences Series (in English). Vol. 1. New York, NY: Springer. pp. 433–455. doi:10.1007/978-1-4419-7415-0_19. ISBN 978-1-4419-7415-0.
- ↑ Nicolau M, Levine AJ, Carlsson G (April 2011). "टोपोलॉजी आधारित डेटा विश्लेषण एक अद्वितीय उत्परिवर्ती प्रोफ़ाइल और उत्कृष्ट उत्तरजीविता के साथ स्तन कैंसर के एक उपसमूह की पहचान करता है". Proceedings of the National Academy of Sciences of the United States of America. 108 (17): 7265–7270. Bibcode:2011PNAS..108.7265N. doi:10.1073/pnas.1102826108. PMC 3084136. PMID 21482760.
- ↑ Chan JM, Carlsson G, Rabadan R (November 2013). "वायरल इवोल्यूशन की टोपोलॉजी". Proceedings of the National Academy of Sciences of the United States of America. 110 (46): 18566–18571. Bibcode:2013PNAS..11018566C. doi:10.1073/pnas.1313480110. PMC 3831954. PMID 24170857.
- ↑ Taylor D, Klimm F, Harrington HA, Kramár M, Mischaikow K, Porter MA, Mucha PJ (July 2015). "नेटवर्क पर प्रसार प्रक्रियाओं की जांच के लिए संक्रामक मानचित्रों का सामयिक डेटा विश्लेषण". Nature Communications. 6 (1): 7723. arXiv:1408.1168. Bibcode:2015NatCo...6.7723T. doi:10.1038/ncomms8723. PMC 4566922. PMID 26194875.
- ↑ Offroy M, Duponchel L (March 2016). "Topological data analysis: A promising big data exploration tool in biology, analytical chemistry and physical chemistry". Analytica Chimica Acta. 910: 1–11. doi:10.1016/j.aca.2015.12.037. PMID 26873463.
- ↑ Glass K, Girvan M (February 2014). "Annotation enrichment analysis: an alternative method for evaluating the functional properties of gene sets". Scientific Reports. 4 (1): 4191. Bibcode:2014NatSR...4E4191G. doi:10.1038/srep04191. PMC 3935204. PMID 24569707.
- ↑ Wernicke S, Rasche F (May 2006). "FANMOD: a tool for fast network motif detection". Bioinformatics. 22 (9): 1152–1153. doi:10.1093/bioinformatics/btl038. PMID 16455747.
- ↑ 34.0 34.1 34.2 34.3 34.4 34.5 Blais A, Dynlacht BD (July 2005). "Constructing transcriptional regulatory networks". Genes & Development. 19 (13): 1499–1511. doi:10.1101/gad.1325605. PMID 15998805.
- ↑ Li J, Zhou D, Qiu W, Shi Y, Yang JJ, Chen S, et al. (January 2018). "Application of Weighted Gene Co-expression Network Analysis for Data from Paired Design". Scientific Reports. 8 (1): 622. Bibcode:2018NatSR...8..622L. doi:10.1038/s41598-017-18705-z. PMC 5766625. PMID 29330528.
- ↑ Liu W, Li L, Ye H, Tu W (November 2017). "[Weighted gene co-expression network analysis in biomedicine research]". Sheng Wu Gong Cheng Xue Bao = Chinese Journal of Biotechnology. 33 (11): 1791–1801. doi:10.13345/j.cjb.170006. PMID 29202516.
- ↑ Ritz A, Poirel CL, Tegge AN, Sharp N, Simmons K, Powell A, et al. (2016-03-03). "Pathways on demand: automated reconstruction of human signaling networks". NPJ Systems Biology and Applications. 2 (1): 16002. doi:10.1038/npjsba.2016.2. PMC 5516854. PMID 28725467.
- ↑ "NetBox". bio.tools (in English). Retrieved 2022-05-05.
- ↑ Hoffmann R, Krallinger M, Andres E, Tamames J, Blaschke C, Valencia A (May 2005). "Text mining for metabolic pathways, signaling cascades, and protein networks". Science's STKE. 2005 (283): pe21. doi:10.1126/stke.2832005pe21. PMID 15886388. S2CID 15301069.
