多组学分析中基于相关性的降维方法入门
摘要：多组学数据的整合和分析方法的发展使得我们能够更加直观地测量反映样本分子特性的众多特征。当使用多组学方法时，统计和计算方法可以利用这些大样本特征数据。多组学是对同一生物样本的不同组学数据源的整合。在本综述中，我们将重点讨论基于相关性的单组学数据降维方法，接着是对成对组学数据的方法，然后详细介绍对三个或更多组学数据的其他技术。当有三个或更多组学数据可用时，我们也会简要介绍网络分析方法，这些方法补充了以相关性为导向的工具。为了帮助读者了解这个领域，我们将所有方法都与相应的R程序包相关联，读者可以使用这些程序包来实施这些方法。最后，我们讨论了实验设计的情景，并提供了简化选择适当分析方法的指南。本综述将引导研究人员在多组学方法的发展中，适当地整合和分析不同的组学数据，并充分利用多组学数据对人群进行研究的机会。
作者：Tim Downing, Nicos Angelopoulos
论文ID：2303.06975
分类：Genomics
分类简称：q-bio.GN
提交时间：2023-08-14