scholarly journals Discovering biological knowledge by integrating high-throughput data and scientific literature on the cloud

2013 ◽  
Vol 26 (10) ◽  
pp. 1771-1786 ◽  
Author(s):  
C. Spampinato ◽  
I. Kavasidis ◽  
M. Aldinucci ◽  
C. Pino ◽  
D. Giordano ◽  
...  
Keyword(s):  
High Throughput ◽  
Scientific Literature ◽  
Biological Knowledge ◽  
High Throughput Data

scholarly journals Exploration of disease - specific biomarkers in cancer research by integrating biological knowledge and high throughput data

2016 ◽  
Author(s):  
Στυλιανός Σφακιανάκης
Keyword(s):  
Cancer Research ◽  
High Throughput ◽  
Biological Knowledge ◽  
High Throughput Data ◽  
Disease Specific

Ο καρκίνος του μαστού είναι η πιο κοινή κακοήθεια στις γυναίκες σε όλο τον κόσμο και με το δεύτερο υψηλότερο ποσοστό θνησιμότητας. Σε ασθενείς με καρκίνο του μαστού, η κύρια αιτία θανάτου δεν είναι ο πρωτογενής όγκος, αλλά οι μεταστάσεις του σε απομακρυσμένα όργανα. Προκειμένου να δημιουργηθεί μια μετάσταση, τα καρκινικά κύτταρα εισέρχονται στην κυκλοφορία του αίματος, μεταφέρονται σε σημεία απομακρυσμένων οργάνων, όπου και πολλαπλασιάζονται (Κυκλοφορούντα Καρκινικά Κύτταρα, ΚΚΚ). Ο στόχος αυτής της εργασίας είναι η χρήση στατιστικών και υπολογιστικών τεχνικών για τον προσδιορισμό των διαφορών και οι ομοιοτήτων μεταξύ των δειγμάτων αίματος και ιστών ασθενών με καρκίνο και υγιών ατόμων με απώτερο σκοπό το μοριακό χαρακτηρισμό του μεταστατικού καρκίνου του μαστού και την παρουσία των ΚΚΚ. Μια μεγάλη συλλογή από δημόσια διαθέσιμα σύνολα δεδομένων γονιδιακής έκφρασης από μικροσυστοιχίες DNA έχει συγκεντρωθεί και τα δεδομένα αυτά έχουν προσεκτικά συγχωνευθεί προκειμένου να ξεπεραστούν τεχνικές και άλλες διαφοροποιήσεις. Ένας αριθμός στατιστικών συγκρίσεων μεταξύ των διαφόρων σημείων προέλευσης (αίμα ή ιστού) ή την κατάσταση ασθένειας (καρκινικοί ή υγιείς ασθενείς) των δειγμάτων μας οδήγησε σε ένα μικρό σύνολο 27 γονιδίων ("βιοδεικτών"). Οι βιολογικοί αυτοί δείκτες σχετίστηκαν προσεκτικά με πηγές της βιολογικής γνώσης, όπως τα βιολογικά δίκτυα, και υποβλήθηκαν σε νέες αλγοριθμικές διαδικασίες, έτσι ώστε να εντοπιστούν περαιτέρω γονίδια για την εποπτευόμενη (supervised) και μη επιβλεπόμενη (unsupervised) ταξινόμηση των ασθενών με καρκίνο του μαστού.

High Throughput Data Mapping for Coarse-Grained Reconfigurable Architectures

2011 ◽  
Vol 30 (11) ◽  
pp. 1599-1609 ◽  
Author(s):  
Yongjoo Kim ◽  
Jongeun Lee ◽  
A. Shrivastava ◽  
J. W. Yoon ◽  
Doosan Cho ◽  
...  
Keyword(s):  
High Throughput ◽  
Coarse Grained ◽  
Reconfigurable Architectures ◽  
Data Mapping ◽  
High Throughput Data

Protein function prediction with high-throughput data

Amino Acids ◽  
2008 ◽  
Vol 35 (3) ◽  
pp. 517-530 ◽  
Author(s):  
Xing-Ming Zhao ◽  
Luonan Chen ◽  
Kazuyuki Aihara
Keyword(s):  
High Throughput ◽  
Protein Function ◽  
Protein Function Prediction ◽  
Function Prediction ◽  
High Throughput Data

Excavating the pathogenic gene of breast cancer based on high throughput data of tumor and somatic reprogramming

Cell Cycle ◽  
2021 ◽  
pp. 1-15
Author(s):  
Lian Duan ◽  
Zhendong Wang ◽  
Xin Zheng ◽  
Junjian Li ◽  
Huamin Yin ◽  
...  
Keyword(s):  
Breast Cancer ◽  
High Throughput ◽  
High Throughput Data ◽  
Pathogenic Gene

Phoebus: A system for high throughput data movement

2011 ◽  
Vol 71 (2) ◽  
pp. 266-279 ◽  
Author(s):  
Ezra Kissel ◽  
Martin Swany ◽  
Aaron Brown
Keyword(s):  
High Throughput ◽  
Data Movement ◽  
High Throughput Data

scholarly journals A Review of Recent Advancement in Integrating Omics Data with Literature Mining towards Biomedical Discoveries

2017 ◽  
Vol 2017 ◽  
pp. 1-10 ◽  
Author(s):  
Kalpana Raja ◽  
Matthew Patrick ◽  
Yilin Gao ◽  
Desmond Madu ◽  
Yuyang Yang ◽  
...  
Keyword(s):  
Text Mining ◽  
High Throughput ◽  
Literature Mining ◽  
Biological Knowledge ◽  
Omics Data ◽  
Huge Number ◽  
Automated Generation ◽  
The Past ◽  
Independent Information ◽  
Recent Advancement

In the past decade, the volume of “omics” data generated by the different high-throughput technologies has expanded exponentially. The managing, storing, and analyzing of this big data have been a great challenge for the researchers, especially when moving towards the goal of generating testable data-driven hypotheses, which has been the promise of the high-throughput experimental techniques. Different bioinformatics approaches have been developed to streamline the downstream analyzes by providing independent information to interpret and provide biological inference. Text mining (also known as literature mining) is one of the commonly used approaches for automated generation of biological knowledge from the huge number of published articles. In this review paper, we discuss the recent advancement in approaches that integrate results from omics data and information generated from text mining approaches to uncover novel biomedical information.

Sign in / Sign up

Export Citation Format

Share Document