{"id":6856,"date":"2020-02-10T14:44:21","date_gmt":"2020-02-10T14:44:21","guid":{"rendered":"https:\/\/www.kolabtree.com\/blog\/?p=6856"},"modified":"2023-02-15T11:40:59","modified_gmt":"2023-02-15T11:40:59","slug":"pathway-analysis-in-bioinformatics-mapping-data-to-information","status":"publish","type":"post","link":"https:\/\/www.kolabtree.com\/blog\/de\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/","title":{"rendered":"Pfadanalyse in der Bioinformatik: Daten in Informationen umwandeln"},"content":{"rendered":"<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_45_1 counter-flat ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\">Das Inhaltsverzeichnis<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" area-label=\"ez-toc-toggle-icon-1\"><label for=\"item-69f1fd6f6e1f4\" aria-label=\"Table of Content\"><span style=\"display: flex;align-items: center;width: 35px;height: 30px;justify-content: center;direction:ltr;\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/label><input  type=\"checkbox\" id=\"item-69f1fd6f6e1f4\"><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/#Devil_is_in_the_Detail\" title=\"Der Teufel steckt im Detail\">Der Teufel steckt im Detail<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/#Genome_Organization\" title=\"Genom-Organisation\">Genom-Organisation<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/#Pathway_Databases\" title=\"Pathway-Datenbanken\">Pathway-Datenbanken<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/#Enrichment_Tools\" title=\"Anreicherungstools\">Anreicherungstools<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/#Over_Representation_Analysis\" title=\"Analyse der \u00dcberrepr\u00e4sentation\">Analyse der \u00dcberrepr\u00e4sentation<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/#Functional_Class_Scoring\" title=\"Bewertung der Funktionsklasse\">Bewertung der Funktionsklasse<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/#Pathway_Topology_based_Approaches\" title=\"Auf Pfad-Topologie basierende Ans\u00e4tze\">Auf Pfad-Topologie basierende Ans\u00e4tze<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/#Network_Interaction_based_Analysis\" title=\"Auf Netzwerkinteraktion basierende Analyse\">Auf Netzwerkinteraktion basierende Analyse<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/#The_apparent_Panacea\" title=\"Das scheinbare Allheilmittel\">Das scheinbare Allheilmittel<\/a><\/li><\/ul><\/nav><\/div>\n<p><em><span style=\"font-weight: 400;\"><a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/computational-biology?utm_source=Blog&amp;utm_medium=Post&amp;utm_campaign=PathwayAnalysis\">Computer-Biologe<\/a> und Kolabtree Freiberufler <a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/shaurya-jauhari\/?utm_source=Blog&amp;utm_medium=Post&amp;utm_campaign=PathwayAnalysis\">Shaurya Jauhari<\/a> schreibt \u00fcber aktuelle Herausforderungen bei der Durchf\u00fchrung von Pfadanalysen in der Bioinformatik und m\u00f6gliche L\u00f6sungen f\u00fcr dieses Problem.\u00a0<\/span><\/em><\/p>\n<p><span style=\"font-weight: 400;\">In der kontrastreichen \u00c4ra der \"unpr\u00e4zisen Medizin\" (die uns dazu veranlasst, uns auf die Pr\u00e4zisionsmedizin einzustellen) und der \u00dcberschwemmung mit biomedizinischen Daten, die durch die Fortschritte in der Instrumententechnologie hervorgerufen wird, besteht eine L\u00fccke, die sich weitgehend auf die Zuordnung von Daten zu Informationen bezieht. Die klinischen Experimente erzeugen Biomarker (technisch gesehen Listen von Genen oder Genomregionen), die auf ihre biologischen Implikationen hin untersucht werden m\u00fcssen. Die derzeitige Palette von Instrumenten, die ein solches Unterfangen erleichtern, ist weniger zielf\u00fchrend, da sie die<em> ipso facto<\/em>Das Problem der r\u00e4umlichen Interaktionen des Genoms angesichts seines Unterbringungsprofils im Kern jeder eukaryontischen Zelle. In diesem Kommentar geht es darum, die Natur des Problems hervorzuheben, die Organisation des Genoms zu beleuchten, kurz \u00fcber die derzeitigen Kartierungsinstrumente nachzudenken und Vermutungen \u00fcber m\u00f6gliche L\u00f6sungen anzustellen.<\/span><\/p>\n<h2><span class=\"ez-toc-section\" id=\"Devil_is_in_the_Detail\"><\/span><b>Der Teufel steckt im Detail<\/b><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Eine ganze Reihe von Bem\u00fchungen um eine bessere Aufl\u00f6sung der genomischen Daten streift ein entscheidendes Informationsschema. Wir sind bestrebt, die Wahrscheinlichkeit eines $1000-Genoms voranzutreiben, auch wenn wir uns weniger um die $100.000-Analyse k\u00fcmmern. Es gibt ein gro\u00dfes Kompendium von Repertoires, die die Anmerkungen zu den experimentellen Ergebnissen und den F\u00e4llen unter einer typischen biologischen Studie enthalten. Es k\u00f6nnte Definitionen geben, die die biologischen Implikationen eines Gens oder des Weges, an dem diese Gene beteiligt sind, mit einer Krankheit in Verbindung bringen. Auch diese Art von dynamischen Informationsspeichern wurde (fr\u00fcher) manuell kuratiert, und das Wissensmanagement wurde von automatisierten Pipelines \u00fcbernommen, die Computer und IKT im Allgemeinen einsetzen. Diese Datenbanken werden mit einer konsensorientierten wissenschaftlichen Weisheit aktualisiert und haben seit ihrer Gr\u00fcndung eine Handvoll Revisionen erfahren. Die Verbindung zwischen den experimentellen Ergebnissen und ihren biologischen Implikationen ist sehr schwach ausgepr\u00e4gt, vor allem weil die zugrunde liegende \"wahre\" Biologie au\u00dfer Acht gelassen wird.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Unser Genom, das im Durchschnitt etwa 2 Meter lang ist, ist im Kern jeder einzelnen Zelle unseres K\u00f6rpers untergebracht. Aufgrund der winzigen Gr\u00f6\u00dfe einer Zelle und vor allem ihres Kerns ist das Genom etwas eng und matschig gepackt. Dies erm\u00f6glicht es, dass Regionen im Genom, die aus einer linearen Perspektive eher weit voneinander entfernt sind, nahe beieinander liegen und miteinander interagieren. Dieses Sprichwort wird von den derzeitigen Anreicherungswerkzeugen (Kartierungswerkzeugen) grob missachtet, so dass die daraus resultierenden Ergebnisse unverh\u00e4ltnism\u00e4\u00dfig sind.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Die Regionen im Genom sind Teil von gr\u00f6\u00dferen \"Aktionsgruppen\" oder <\/span><b><i>Pfade<\/i><\/b><span style=\"font-weight: 400;\"> die technisch gesehen eine Reihe von chemischen Reaktionen sind, die f\u00fcr einen gesunden oder kranken Ph\u00e4notyp verantwortlich sind. Bei der Untersuchung eines kranken Zustands suchen die Forscher nach den Biomarkern, die m\u00f6glicherweise aus dem Ruder gelaufen sind und den K\u00f6rper des Organismus von einem gesunden in einen kranken Zustand verwandelt haben. <\/span><i><span style=\"font-weight: 400;\">get\u00f6nt<\/span><\/i><span style=\"font-weight: 400;\"> zu <\/span><i><span style=\"font-weight: 400;\">zuckte<\/span><\/i><span style=\"font-weight: 400;\">. Stellen Sie sich vor, Sie jagen eine hart erk\u00e4mpfte Krankheit mit falsch eingestellten Informationen.<\/span><\/p>\n<p><b><em><span style=\"font-weight: 400;\"><a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/computational-biology?utm_source=Blog&amp;utm_medium=Post&amp;utm_campaign=PathwayAnalysis\"><img decoding=\"async\" loading=\"lazy\" class=\"alignnone wp-image-6904 size-large\" src=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure1-1024x444.png\" alt=\"\" width=\"702\" height=\"304\" srcset=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure1-1024x444.png 1024w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure1-300x130.png 300w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure1-768x333.png 768w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure1-1536x665.png 1536w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure1-1080x468.png 1080w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure1.png 2011w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure1-300x130@2x.png 600w\" sizes=\"(max-width: 702px) 100vw, 702px\" \/><\/a><\/span><\/em><\/b><em>Problembeschreibung - Ablauf einer typischen Anreicherungsanalyse. Es gibt eine bestimmte<\/em><br \/>\n<em>\"Idiomatismus\", der mit der Zuordnung der Genomsequenzen zu den Genen verbunden ist und der die<\/em><br \/>\n<em>nachgelagerte Ergebnisse.<\/em><\/p>\n<h2><span class=\"ez-toc-section\" id=\"Genome_Organization\"><\/span><b>Genom-Organisation<\/b><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Wie bereits angedeutet, ist das Genom lang genug, um linear im Zellkern jeder Zelle unseres K\u00f6rpers oder jedes anderen lebenden Organismus gespeichert zu sein. Vielmehr ist dieses 2 Meter lange Gebilde in eine scheinbar willk\u00fcrliche Struktur gequetscht und gezw\u00e4ngt, mit Schleifen, Windungen und Wirbeln, wie man sich vorstellen kann. Diese <\/span><i><span style=\"font-weight: 400;\">endlos<\/span><\/i><span style=\"font-weight: 400;\"> Eine Kette von Nukleotiden oder Basenpaaren - Adenin (A), Cytosin (C), Thymin (T) und Guanin (G) - strukturiert unterschiedliche Topologien innerhalb des Zellkerns und passt sich dabei der Exiguit\u00e4t an. Sie bilden Chromatinschleifen, Kompartimente\/Unterkompartimente, Dom\u00e4nen\/Unterdom\u00e4nen, die je nach Zelltyp einen bestimmten Zweck erf\u00fcllen. (Beachten Sie, dass verschiedene Zelltypen unterschiedlich funktionieren; eine Nervenzelle hat andere Aufgaben zu erf\u00fcllen als eine Muskelzelle; jede Zelle hat eine exklusive Rolle zu spielen).<\/span><\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"alignnone wp-image-6903 size-full\" src=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure2.jpg\" alt=\"\" width=\"685\" height=\"644\" srcset=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure2.jpg 685w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure2-300x282.jpg 300w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure2-24x24.jpg 24w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure2-300x282@2x.jpg 600w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure2-24x24@2x.jpg 48w\" sizes=\"(max-width: 685px) 100vw, 685px\" \/><br \/>\n<em>Das Genom windet sich und breitet sich in objektiven R\u00e4umen aus. (Kredit: https:\/\/doi.org\/10.1038\/nrg.<\/em><br \/>\n<em>2016.112)<\/em><\/p>\n<h2><span class=\"ez-toc-section\" id=\"Pathway_Databases\"><\/span><b>Pathway-Datenbanken<\/b><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Es gibt verschiedene Ontologien und Datenbanken, von denen die Kyoto Encyclopedia of Genes and Genomes (KEGG) (<\/span><a href=\"https:\/\/www.genome.jp\/kegg\/\"><span style=\"font-weight: 400;\">https:\/\/www.genome.jp\/kegg\/<\/span><\/a><span style=\"font-weight: 400;\">) und der Gene Ontology (<\/span><a href=\"http:\/\/geneontology.org\/\"><span style=\"font-weight: 400;\">http:\/\/geneontology.org\/<\/span><\/a><span style=\"font-weight: 400;\">Die wenigen Tools, die ich im n\u00e4chsten Abschnitt vorstellen werde (und die oft meinungsbildend sind), erzeugen Anreicherungsbegriffe, die \"selektiv\" aus den genannten Datenbanken stammen. Anhand ihrer statistischen Signifikanzwerte wird abgeleitet, ob sie wirklich einen aufgef\u00fchrten Ph\u00e4notyp repr\u00e4sentieren oder ob es sich nur um eine zuf\u00e4llige Entwicklung handelt. (P.S. Es gibt eine Abhandlung \u00fcber p-Werte, die vermutlich Laien helfen wird, die Idee der p-Werte zu verstehen. <\/span><i><span style=\"font-weight: 400;\">statistische Signifikanz<\/span><\/i><span style=\"font-weight: 400;\">. Bitte folgen Sie dem Link <\/span><a href=\"https:\/\/sway.office.com\/WkyHrPnVB8Ec3zPD?play\"><span style=\"font-weight: 400;\">https:\/\/sway.office.com\/WkyHrPnVB8Ec3zPD?play<\/span><\/a><span style=\"font-weight: 400;\"> nach eigenem Ermessen).<\/span><\/p>\n<h2><span class=\"ez-toc-section\" id=\"Enrichment_Tools\"><\/span><b>Anreicherungstools<\/b><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Die Anreicherungsanalyse ist ein Berechnungsprotokoll, das <\/span><i><span style=\"font-weight: 400;\">novo<\/span><\/i><span style=\"font-weight: 400;\"> genomischen Regionen mit ihren Definitionen in den erw\u00e4hnten Datenbanken zu vergleichen. Was die Instrumente (die als Kanal dienen) betrifft, so werden sie klassischerweise in mehrere Kategorien unterteilt, n\u00e4mlich in die \u00dcberrepr\u00e4sentationsanalyse (ORA), die Funktionsklassenbewertung (FCS), die auf der Pfad-Topologie (PT) basierenden Methoden und die Netzwerk-Interaktionsmethoden (NI).<\/span><\/p>\n<h2><span class=\"ez-toc-section\" id=\"Over_Representation_Analysis\"><\/span><b>Analyse der \u00dcberrepr\u00e4sentation<\/b><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Bei der \u00dcberrepr\u00e4sentationsanalyse wird anhand des Dogmas der hypergeometrischen Verteilung die Menge der unterschiedlich exprimierten Gene auf diejenigen untersucht, die Teil eines biologischen Weges sein k\u00f6nnten. Ein hypergeometrischer Test ber\u00fccksichtigt im Wesentlichen vier Attribute, um eine Entscheidung zu treffen, n\u00e4mlich.<\/span><\/p>\n<ol>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Gesamtzahl der Gene in dem betreffenden Assay,<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Die differenziell exprimierten Gene,<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Anteil der Gene im Zielpfad an der Gesamtzahl der Gene, und<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Unterschiedlich exprimierte Gene, die im Zielpfad vorkommen.<\/span><\/li>\n<\/ol>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"alignnone wp-image-6902 size-large\" src=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure3-1024x576.jpg\" alt=\"\" width=\"702\" height=\"395\" srcset=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure3-1024x576.jpg 1024w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure3-300x169.jpg 300w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure3-768x432.jpg 768w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure3-1536x864.jpg 1536w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure3-1080x608.jpg 1080w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure3.jpg 2000w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure3-300x169@2x.jpg 600w\" sizes=\"(max-width: 702px) 100vw, 702px\" \/><br \/>\n<em>Das Wesen des hypergeometrischen Tests<\/em><\/p>\n<p><span style=\"font-weight: 400;\">Obwohl es sich um eine einfache und geradlinige Methode handelt, hat ORA seine eigenen Grenzen.<\/span><\/p>\n<ul>\n<li style=\"font-weight: 400;\"><b><i>Demokratie im Spiel; alle Gene werden gleich ber\u00fccksichtigt<\/i><\/b><span style=\"font-weight: 400;\">Warum ist das ein Problem? Nehmen wir an, dass die Gene auf der Grundlage folgender Kriterien gefiltert werden <\/span><b>Fold-change<\/b><span style=\"font-weight: 400;\">. Wir sichten Gene, die Expressionsunterschiede von mehr als oder gleich 2 Mal (Falten) aufweisen, sowohl in negativer als auch in positiver Richtung. Obwohl das Minimum das 2-fache war, w\u00fcrde dieser Arbeitsablauf auch Gene mit Ausdrucks\u00e4nderungen erfassen, die 3-fach, 4-fach und mehr sind. Sicherlich ist ein Gen mit einer 4-fachen Expressionsabweichung umsichtiger als ein Gen mit einer 2-fachen Ver\u00e4nderung. Diese Erscheinung wird von ORA au\u00dfer Acht gelassen.<\/span><\/li>\n<li style=\"font-weight: 400;\"><b><i>Ber\u00fccksichtigt nur die wichtigsten Gene<\/i><\/b><span style=\"font-weight: 400;\">Nehmen wir noch einmal ein Gen mit einer Fold-change von 1,9999 oder einem p-value &lt;0,0051113; \u00fcblicherweise wird ein p-value &lt;0,05 als statistisch signifikant angesehen. Bei der ORA-Methode wird dieses Gen im Endergebnis \u00fcbergangen. Es ist klar, dass es einen Informationsverlust und einen Mangel an Flexibilit\u00e4t gibt. (P.S. Breitling et al. haben sich mit diesem Dilemma befasst, indem sie eine \u00dcberarbeitung zur Vermeidung von Schwellenwerten vorschlugen. Bei der \u00dcberarbeitung wird ein iterativer Ansatz verwendet, bei dem ein Gen nach dem anderen hinzugef\u00fcgt wird, um eine Reihe von Genen zusammenzustellen, f\u00fcr die ein Signalweg optimal signifikant ist).<\/span><\/li>\n<li style=\"font-weight: 400;\"><b><i>Kein Gen funktioniert isoliert<\/i><\/b><span style=\"font-weight: 400;\">Dies ergibt sich aus den oben erw\u00e4hnten Einschr\u00e4nkungen, dass die Behandlung von Genen als unabh\u00e4ngige Einheit den Kern des polygenen Beitrags zu einem Ph\u00e4notyp aus den Augen verliert. <\/span><i><span style=\"font-weight: 400;\">Ein Ziel der Genexpressionsanalyse k\u00f6nnte darin bestehen, Genkohorten zu ermitteln, deren Expressionsmuster kongruent sind. Diese Symphonie hebt funktionell verwandte Gene oder Gene, die auf einen gemeinsamen biologischen Zustand hinarbeiten, hervor.<\/span><\/i><\/li>\n<li style=\"font-weight: 400;\"><b><i>Gegenseitig unabh\u00e4ngige Pfade<\/i><\/b><span style=\"font-weight: 400;\">Die ORA geht auch davon aus, dass die Wege nicht hintereinander (oder nacheinander) ablaufen. Dies ist ein prinzipieller Fehler, da eine Reihe von chemischen Reaktionen durchaus vor- oder nacheinander ablaufen kann.<\/span><\/li>\n<\/ul>\n<h2><span class=\"ez-toc-section\" id=\"Functional_Class_Scoring\"><\/span><b>Bewertung der Funktionsklasse<\/b><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Im Gegensatz zu ORA fassen die FCS-Methoden alle kontextbezogenen Gene sowie deren Assoziationsstatistiken (Fold-change, p-value) zusammen und berechnen eine <\/span><i><span style=\"font-weight: 400;\">l\u00e4uft<\/span><\/i><span style=\"font-weight: 400;\"> Anreicherungswert f\u00fcr Gengruppierungen (auf der Grundlage von funktionellem Wissen wie Gene Ontology oder KEGG-Pfade), z. B. GSEA vom Broad Institute (<\/span><a href=\"http:\/\/software.broadinstitute.org\/gsea\/index.jsp\"><span style=\"font-weight: 400;\">http:\/\/software.broadinstitute.org\/gsea\/index.jsp<\/span><\/a><span style=\"font-weight: 400;\">). Bei einem typischen FCS-Lauf wird die Ver\u00e4nderung der Expression aller Gene in der Liste der unterschiedlich exprimierten Gene in einem Experiment analysiert (nicht nach statistischer Signifikanz oder \u00e4hnlichem geordnet). Das Hauptergebnis der Analyse der Anreicherung von Gens\u00e4tzen ist ein Anreicherungswert (ES), der das Ausma\u00df widerspiegelt, in dem ein Gensatz am Anfang oder am Ende einer Rangliste von Genen \u00fcberrepr\u00e4sentiert ist; warum am Anfang und am Ende? weil dies die Gene sind, die in Bezug auf die Expressions\u00e4nderung am weitesten von der Norm entfernt sind. Ein positiver ES-Wert f\u00fcr einen Gensatz (oder einen Zielpfad, <\/span><i><span style=\"font-weight: 400;\">GS<\/span><\/i><span style=\"font-weight: 400;\">) auf die Gene in der Liste hinweisen (<\/span><i><span style=\"font-weight: 400;\">GL<\/span><\/i><span style=\"font-weight: 400;\">), die oben liegen (am st\u00e4rksten hochreguliert; 1,2,3 ...), w\u00e4hrend ein negativer ES-Wert bedeutet, dass die Komponentengene unten liegen (am st\u00e4rksten herunterreguliert; n-3, n-2, n-1, n, wobei n die Gesamtzahl der Gene ist). P.S. Der ES-Wert wird zum normalisierten ES-Wert (NES), wenn das Problem der Mehrfachtests korrigiert wird (Falschentdeckungsrate, z. B. <\/span><i><span style=\"font-weight: 400;\">Bonferroni-Methode<\/span><\/i><span style=\"font-weight: 400;\">).<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Zusammenfassend l\u00e4sst sich sagen, dass die FCS-Methoden den ORA-Methoden um einiges \u00fcberlegen sind,<\/span><\/p>\n<ul>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Verzicht auf die Festlegung eines willk\u00fcrlichen Schwellenwerts f\u00fcr die Einstufung von Genen als signifikant oder nicht signifikant.<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">die Auswertung von Informationen \u00fcber die Genexpression, um systematische Ver\u00e4nderungen in den Stoffwechselwegen zu verfolgen; dadurch wird die Verantwortlichkeit f\u00fcr die gegenseitige Abh\u00e4ngigkeit der Gene deutlich.<\/span><\/li>\n<\/ul>\n<p><span style=\"font-weight: 400;\">Allerdings haben auch die FCS-Methoden gewisse Schw\u00e4chen.<\/span><\/p>\n<ul>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Da die Pfade unabh\u00e4ngig voneinander analysiert werden, werden Gene, die mehrere Pfade regulieren, m\u00f6glicherweise nicht gez\u00e4hlt.<\/span><\/li>\n<li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Viele FCS-Methoden ordnen die Gene in einer Liste auf der Grundlage der Ver\u00e4nderungen in der Genexpression. Ein Szenario, in dem der Unterschied in den R\u00e4ngen eine ungleiche (und m\u00f6glicherweise exponentielle) Varianz in der Expression widerspiegelt, k\u00f6nnte vielleicht ein unfaires Ma\u00df sein.<\/span><\/li>\n<\/ul>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"alignnone wp-image-6910 size-large\" src=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure4-1024x898.png\" alt=\"\" width=\"702\" height=\"616\" srcset=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure4-1024x898.png 1024w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure4-300x263.png 300w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure4-768x674.png 768w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure4-1536x1348.png 1536w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure4-1080x947.png 1080w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure4-110x96.png 110w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure4.png 2005w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure4-300x263@2x.png 600w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure4-110x96@2x.png 220w\" sizes=\"(max-width: 702px) 100vw, 702px\" \/><\/p>\n<p><em>Die Normalisierung der ES-Scores f\u00fcr eine Genliste.<\/em><\/p>\n<h2><span class=\"ez-toc-section\" id=\"Pathway_Topology_based_Approaches\"><\/span><b>Auf Pfad-Topologie basierende Ans\u00e4tze<\/b><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Ein entscheidender Nachteil der ORA- und FCS-Methoden besteht darin, dass sie die Struktur der Signalwege ignorieren. Die Reihenfolge der Gene, die in einem Signalweg reguliert werden, ist f\u00fcr die R\u00fcckverfolgung der kausalen Auswirkungen von wesentlicher Bedeutung. Es ist verst\u00e4ndlich, dass es genau zwei Pfade mit denselben Genkomponenten geben kann, aber die Hierarchie der Aktivierung k\u00f6nnte v\u00f6llig unterschiedlich sein. W\u00e4re es nach den ORA\/FCS-Methoden gegangen, h\u00e4tten sie zu \u00e4hnlichen Anreicherungsbedingungen gef\u00fchrt. Das ist ein Problem. Pathway Topology(PT)-Methoden gehen von einer ausschlie\u00dflichen Funktion in Abh\u00e4ngigkeit von den spezifischen Interaktionen aus, was auch der allgemeinen Logik entspricht. Beispiele f\u00fcr Werkzeuge sind SPIA (<\/span><a href=\"https:\/\/www.bioconductor.org\/packages\/release\/bioc\/manuals\/SPIA\/man\/SPIA.pdf\"><span style=\"font-weight: 400;\">https:\/\/www.bioconductor.org\/packages\/release\/bioc\/manuals\/SPIA\/man\/SPIA.pdf<\/span><\/a><span style=\"font-weight: 400;\">), GGEA, und PARADIGM. Im Allgemeinen haben die Tools dieser Kategorie einen lokalen und einen globalen Score. Der lokale Score auf Genebene kalibriert die Fold Changes in der Expression des Gens und der vorgelagerten Gene, w\u00e4hrend der globale Score das Ma\u00df f\u00fcr die Verwandtschaft mit dem Gensatz auf Wegebene misst. Dies f\u00fchrt jedoch auch dazu, dass PT-Methoden die Daten f\u00fcr einen bestimmten Zustand\/Zelltyp \u00fcberanpassen.<\/span><\/p>\n<h2><span class=\"ez-toc-section\" id=\"Network_Interaction_based_Analysis\"><\/span><b>Auf Netzwerkinteraktion basierende Analyse<\/b><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Dies ist eine eher untersch\u00e4tzte Kategorie, die trotz ihrer veralteten Formulierung noch kaum umgesetzt wird. Methoden wie EnrichNet , NetPEA (<\/span><a href=\"http:\/\/www.dx.doi.org\/10.1109\/BIBM.2013.6732493\"><span style=\"font-weight: 400;\">http:\/\/www.dx.doi.org\/10.1109\/BIBM.2013.6732493<\/span><\/a><span style=\"font-weight: 400;\">) have been proposed close to a decade ago, but they haven\u2019t gained much traction because of limited tools available. This facade constraints the dexterity of the theme as no improvements are documented. That turns out to be an open-ended <a href=\"https:\/\/www.kolabtree.com\/blog\/de\/ensuring-reproducibility-in-ai-driven-research-how-freelance-experts-can-help-in-biotech-and-healthcare\/\">Forschung<\/a> problem.<\/span><\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_apparent_Panacea\"><\/span><b>Der offensichtliche <\/b><b><i>Allheilmittel<\/i><\/b><span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><span style=\"font-weight: 400;\">Wahrscheinlich haben Sie jetzt eine Vorstellung von der grundlegenden Anreicherungs-\/Pfadanalyse und der Art der Tools, die dabei helfen. Wie ich bereits erw\u00e4hnt habe, st\u00fctzen sich jedoch alle verf\u00fcgbaren Tools (die in die markierten Kategorien fallen) auf einen schiefen Parameter eines linearen Fensters \u00fcber der abgefragten Region. Wenn die dazwischen liegenden Segmente des Genoms in diesen Rahmen fallen, werden sie als <\/span><b><i>angereichert<\/i><\/b><span style=\"font-weight: 400;\">, sonst nicht. Es geht darum, ein Werkzeug zu haben, das vielleicht eine <\/span><i><span style=\"font-weight: 400;\">Zentrum<\/span><\/i><span style=\"font-weight: 400;\"> und <\/span><i><span style=\"font-weight: 400;\">Durchmesser<\/span><\/i><span style=\"font-weight: 400;\"> eines hypothetischen Kreises, um sozusagen die 3D-Organisation auf der Grundlage der Genominteraktionen f\u00fcr die Region hervorzuheben.<\/span><\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"alignnone wp-image-6905 size-full\" src=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure5a.png\" alt=\"\" width=\"811\" height=\"599\" srcset=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure5a.png 811w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure5a-300x222.png 300w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure5a-768x567.png 768w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure5a-300x222@2x.png 600w\" sizes=\"(max-width: 811px) 100vw, 811px\" \/><br \/>\n<i><span style=\"font-weight: 400;\">GREAT bietet mehrere erweiterte Optionen, um die lineare Dimension um die Transkriptionsstartstelle eines Gens zu spezifizieren.<\/span><\/i><\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"alignnone wp-image-6906 size-full\" src=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure5b.png\" alt=\"\" width=\"774\" height=\"523\" srcset=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure5b.png 774w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure5b-300x203.png 300w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure5b-768x519.png 768w, https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure5b-300x203@2x.png 600w\" sizes=\"(max-width: 774px) 100vw, 774px\" \/><i><span style=\"font-weight: 400;\">Enrichr bietet eine unkomplizierte Auswahl des Genomtyps und der Anzahl der Gene in der vermuteten linearen Region.<\/span><\/i><\/p>\n<p><span style=\"font-weight: 400;\">Wie aus Abbildung 4 hervorgeht, gibt es kein Verst\u00e4ndnis f\u00fcr die \"wahre\" r\u00e4umliche Organisation des Genoms. Dies ist ein Problem und eine tiefe Verwerfung, die im derzeitigen Bereich der Anreicherungsanalyse fortbesteht. Ungeachtet dessen gibt es auch eine starke Relevanz von <\/span><b>Transkriptionsfabriken<\/b><span style=\"font-weight: 400;\">Die Transkriptionsfabriken, die als Orte im Kernraum identifiziert wurden, die entfernte regulatorische Elemente zur \"Party im Haus\" locken. Scherzhaft bemerke ich oft, dass, \u00e4hnlich wie jemand, der w\u00fctend auf jemanden oder etwas ist, normalerweise sagen w\u00fcrde, Transkriptionsfabriken (personifiziert) w\u00fcrden das Genom m\u00f6glicherweise zurechtweisen - \"<\/span><i><span style=\"font-weight: 400;\">Die Abschrift wird nur \u00fcber meine Leiche erfolgen, sonst nicht!<\/span><\/i><span style=\"font-weight: 400;\">\". Das angrenzende Thema der Transkriptionsfabriken ist Gegenstand einer weiteren, zuk\u00fcnftigen Diskussion. Es verdeutlicht jedoch das Dogma der cis-regulatorischen Interaktionen, das in der heutigen Praxis nicht mehr stimmt.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Abschlie\u00dfend m\u00f6chte ich anmerken, dass die Pfadanalyse ein entscheidender und oft vernachl\u00e4ssigter Teil der Forschung ist. <a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/bioinformatics?utm_source=Blog&amp;utm_medium=Post&amp;utm_campaign=PathwayAnalysis\">Bioinformatik<\/a> Pipeline. Es gibt immer einen Spielraum f\u00fcr die Skalierung der bestehenden Methoden in Verbindung mit den Genomdaten, die sich in diesem Moment weiterentwickeln. Wenn uns ein gr\u00f6\u00dferes Datenvolumen zur Verf\u00fcgung steht, wird dies nicht nur ein infrastrukturelles Problem sein, sondern auch ein algorithmisches Problem.<\/span><\/p>\n<p><strong>Notwendigkeit <a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/bioinformatics?utm_source=Blog&amp;utm_medium=Post&amp;utm_campaign=PathwayAnalysis\">einen Bioinformatik-Berater einstellen<\/a>? Arbeiten Sie mit freiberuflichen Wissenschaftlern auf Kolabtree. Es ist kostenlos, Ihr Projekt zu ver\u00f6ffentlichen und Angebote von Experten zu erhalten.<br \/>\n<\/strong><\/p>\n<p><strong>Verwandte Experten:\u00a0<\/strong><\/p>\n<p><a href=\"http:\/\/www.kolabtree.com\/find-an-expert\/subject\/Bioinformatics?utm_source=Blog&amp;utm_medium=Post&amp;utm_campaign=PathwayAnalysis\">Bioinformatik Freiberufler<\/a> | <a href=\"http:\/\/www.kolabtree.com\/find-an-expert\/subject\/Plant-Genetics?utm_source=Blog&amp;utm_medium=Post&amp;utm_campaign=PathwayAnalysis\">Pflanzengenetik<\/a> | <a href=\"http:\/\/www.kolabtree.com\/find-an-expert\/subject\/Developmental-Biology?utm_source=Blog&amp;utm_medium=Post&amp;utm_campaign=PathwayAnalysis\">Entwicklungsbiologie<\/a> | <a href=\"http:\/\/www.kolabtree.com\/find-an-expert\/subject\/Gene-Therapy?utm_source=Blog&amp;utm_medium=Post&amp;utm_campaign=PathwayAnalysis\">Gentherapie<\/a> | <a href=\"http:\/\/www.kolabtree.com\/find-an-expert\/subject\/Stem-Cells?utm_source=Blog&amp;utm_medium=Post&amp;utm_campaign=PathwayAnalysis\">Stammzellen <\/a>|<br \/>\n<a href=\"http:\/\/www.kolabtree.com\/find-an-expert\/subject\/DNA-Sequencing-Data-Analysis?utm_source=Blog&amp;utm_medium=Post&amp;utm_campaign=PathwayAnalysis\">Analyse von DNA-Sequenzierungsdaten<\/a> |<a href=\"http:\/\/www.kolabtree.com\/find-an-expert\/subject\/Animal-Genetics?utm_source=Blog&amp;utm_medium=Post&amp;utm_campaign=PathwayAnalysis\">Tiergenetik<\/a> |<a href=\"http:\/\/www.kolabtree.com\/find-an-expert\/subject\/Drug-Interactions?utm_source=Blog&amp;utm_medium=Post&amp;utm_campaign=PathwayAnalysis\"> Wechselwirkungen mit Medikamenten<\/a> | <a href=\"http:\/\/www.kolabtree.com\/find-an-expert\/subject\/genetics-and-genomics?utm_source=Blog&amp;utm_medium=Post&amp;utm_campaign=PathwayAnalysis\">Genetik und Genomik\u00a0<\/a><\/p>\n<p><strong>\u00a0<\/strong><\/p>","protected":false},"excerpt":{"rendered":"<p>Computational biologist and Kolabtree freelancer Shaurya Jauhari writes about current challenges involved in conducting pathway analysis in bioinformatics and possible solutions to the problem.\u00a0 In the contrasting era of &#8220;Imprecise Medicine&#8221; (propelling us to tune towards Precision Medicine) and inundation of biomedical data brought forth by advancements in instrumentation technologies, a lacuna persists that is<\/p>\n<div class=\"read-more\"><a href=\"https:\/\/www.kolabtree.com\/blog\/de\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/\" title=\"Mehr lesen\">Mehr lesen<\/a><\/div>","protected":false},"author":12,"featured_media":6908,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[442,398,435],"tags":[],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v20.1 (Yoast SEO v20.1) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Pathway Analysis in Bioinformatics: Mapping Data to Information<\/title>\n<meta name=\"description\" content=\"The shotcomings of tools used in pathway analysis and possible solutions, written by bioinformatics expert and computational biologist Shaurya Jauhari.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Pathway Analysis in Bioinformatics: Mapping Data to Information\" \/>\n<meta property=\"og:description\" content=\"The shotcomings of tools used in pathway analysis and possible solutions, written by bioinformatics expert and computational biologist Shaurya Jauhari.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.kolabtree.com\/blog\/de\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/\" \/>\n<meta property=\"og:site_name\" content=\"The Kolabtree Blog\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/kolabtree\" \/>\n<meta property=\"article:published_time\" content=\"2020-02-10T14:44:21+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-02-15T11:40:59+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure2-1.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"685\" \/>\n\t<meta property=\"og:image:height\" content=\"644\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Ramya Sriram\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@kolabtree\" \/>\n<meta name=\"twitter:site\" content=\"@kolabtree\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Ramya Sriram\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"11\u00a0Minuten\" \/>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Pathway Analysis in Bioinformatics: Mapping Data to Information","description":"The shotcomings of tools used in pathway analysis and possible solutions, written by bioinformatics expert and computational biologist Shaurya Jauhari.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.kolabtree.com\/blog\/de\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/","og_locale":"de_DE","og_type":"article","og_title":"Pathway Analysis in Bioinformatics: Mapping Data to Information","og_description":"The shotcomings of tools used in pathway analysis and possible solutions, written by bioinformatics expert and computational biologist Shaurya Jauhari.","og_url":"https:\/\/www.kolabtree.com\/blog\/de\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/","og_site_name":"The Kolabtree Blog","article_publisher":"https:\/\/www.facebook.com\/kolabtree","article_published_time":"2020-02-10T14:44:21+00:00","article_modified_time":"2023-02-15T11:40:59+00:00","og_image":[{"width":685,"height":644,"url":"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2020\/02\/Figure2-1.jpg","type":"image\/jpeg"}],"author":"Ramya Sriram","twitter_card":"summary_large_image","twitter_creator":"@kolabtree","twitter_site":"@kolabtree","twitter_misc":{"Verfasst von":"Ramya Sriram","Gesch\u00e4tzte Lesezeit":"11\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.kolabtree.com\/blog\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/#article","isPartOf":{"@id":"https:\/\/www.kolabtree.com\/blog\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/"},"author":{"name":"Ramya Sriram","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/81992f5863a1b06d132a47822e7b4400"},"headline":"Pathway Analysis in Bioinformatics: Mapping Data to Information","datePublished":"2020-02-10T14:44:21+00:00","dateModified":"2023-02-15T11:40:59+00:00","mainEntityOfPage":{"@id":"https:\/\/www.kolabtree.com\/blog\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/"},"wordCount":2124,"commentCount":0,"publisher":{"@id":"https:\/\/www.kolabtree.com\/blog\/#organization"},"articleSection":["Biotechnology","Data Science","Research"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.kolabtree.com\/blog\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.kolabtree.com\/blog\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/","url":"https:\/\/www.kolabtree.com\/blog\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/","name":"Pathway Analysis in Bioinformatics: Mapping Data to Information","isPartOf":{"@id":"https:\/\/www.kolabtree.com\/blog\/#website"},"datePublished":"2020-02-10T14:44:21+00:00","dateModified":"2023-02-15T11:40:59+00:00","description":"The shotcomings of tools used in pathway analysis and possible solutions, written by bioinformatics expert and computational biologist Shaurya Jauhari.","breadcrumb":{"@id":"https:\/\/www.kolabtree.com\/blog\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.kolabtree.com\/blog\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/www.kolabtree.com\/blog\/pathway-analysis-in-bioinformatics-mapping-data-to-information\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.kolabtree.com\/blog\/"},{"@type":"ListItem","position":2,"name":"Pathway Analysis in Bioinformatics: Mapping Data to Information"}]},{"@type":"WebSite","@id":"https:\/\/www.kolabtree.com\/blog\/#website","url":"https:\/\/www.kolabtree.com\/blog\/","name":"The Kolabtree Blog","description":"Expert Views on Science, Innovation and Product Development","publisher":{"@id":"https:\/\/www.kolabtree.com\/blog\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.kolabtree.com\/blog\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/www.kolabtree.com\/blog\/#organization","name":"Kolabtree","url":"https:\/\/www.kolabtree.com\/blog\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/logo\/image\/","url":"","contentUrl":"","caption":"Kolabtree"},"image":{"@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/kolabtree","https:\/\/twitter.com\/kolabtree","https:\/\/instagram.com\/kolabtree","https:\/\/www.linkedin.com\/company\/kolabtree","https:\/\/en.m.wikipedia.org\/wiki\/Kolabtree"]},{"@type":"Person","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/81992f5863a1b06d132a47822e7b4400","name":"Ramya Sriram","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/8100b45c960ebbbbe420e8b3f250515f?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/8100b45c960ebbbbe420e8b3f250515f?s=96&d=mm&r=g","caption":"Ramya Sriram"},"description":"Ramya Sriram manages digital content and communications at Kolabtree (kolabtree.com), the world's largest freelancing platform for scientists. She has over a decade of experience in publishing, advertising and digital content creation.","url":"https:\/\/www.kolabtree.com\/blog\/de\/author\/ramyas\/"}]}},"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/posts\/6856"}],"collection":[{"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/users\/12"}],"replies":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/comments?post=6856"}],"version-history":[{"count":9,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/posts\/6856\/revisions"}],"predecessor-version":[{"id":10459,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/posts\/6856\/revisions\/10459"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/media\/6908"}],"wp:attachment":[{"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/media?parent=6856"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/categories?post=6856"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/tags?post=6856"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}