Inference of TFRNs (2).
Matsuda H.
การศึกษาในสัตว์ทดลอง ตีพิมพ์ในวารสาร Methods Mol Biol ปี 2014 — สรุปอัตโนมัติจากบทคัดย่อ PubMed
หลักฐานจากการศึกษาในห้องปฏิบัติการและสัตว์ทดลอง เป็นรากฐานที่ช่วยให้เข้าใจกลไกและศักยภาพก่อนการศึกษาในมนุษย์ต่อไป
- ระดับ A · หลักฐานทางคลินิกค่อนข้างแข็งแรง
- ระดับ B · หลักฐานทางคลินิกที่กำลังเติบโตและมีสัญญาณเชิงบวก
- ระดับ C · งานวิจัยในมนุษย์ระยะต้นที่กำลังสำรวจประโยชน์
- ระดับ D · รากฐานทางวิทยาศาสตร์จากห้องปฏิบัติการและสัตว์ทดลอง
- กำลังศึกษาเพิ่มเติม · หัวข้อใหม่ที่นักวิจัยกำลังสำรวจอย่างต่อเนื่อง
ข้อมูลหน้านี้ดึงมาจากฐานข้อมูล PubMed โดยตรง คำอธิบายภาษาไทยเป็นสรุปอัตโนมัติจากข้อมูลบรรณานุกรมและบทคัดย่อ ไม่ใช่การแปลทั้งฉบับ และไม่ใช่คำแนะนำทางการแพทย์
- ประเภทการศึกษา
- การศึกษาในสัตว์ทดลอง
- วารสาร
- Methods Mol Biol (2014)
- ประเทศ
- United States
- จำนวนผู้เข้าร่วม (จากบทคัดย่อ)
- —
- แหล่งข้อมูล
- PubMed
- PMID
- 24927838
- DOI
- 10.1007/978-1-4939-0805-9_9
บทคัดย่อ (ต้นฉบับภาษาอังกฤษ)
This chapter introduces to a study aiming at comprehensively understanding the transcription factor regulatory networks (TFRNs) that govern the process of a cell differentiation. Here we focus on the adipocyte differentiation. For the cell differentiation, we inferred its TFRN using the Bayesian network (BN) method. BNs have been widely used to estimate TFRNs. Many BN methods have been developed to estimate networks from TF expression data. However, BN-based methods require huge computational time to estimate large-scale networks. This chapter introduces to a BN-based deterministic method with reduced computational time. This approach generates all the combinational subnetworks of three TFs, estimates networks of the subnetworks by BN, and unites the networks into a single large network. This method decreases the search space of predicting TFRNs without degrading the solution accuracy compared with the greedy hill climbing (GHC) method. This chapter also presents a massively parallel implementation for the BN-based inference of TFRNs. The system enables us to estimate large-scale (>10,000 transcripts) multiple TFRNs from expression profiles of various tissues and conditions. The comparison among estimated TFRNs of adipose tissues with stimulus induction is conducted. The various regulations to Ucp1 (uncoupled protein 1) in those networks may reflect different responses of the t
สิ่งที่งานวิจัยนี้ไม่ได้พิสูจน์
- • งานวิจัยนี้ไม่ได้พิสูจน์ว่า SVF เป็นการรักษาที่ได้รับการรับรอง หรือใช้แทนการรักษามาตรฐานได้
- • เป็นการศึกษาก่อนคลินิก ผลในสัตว์ทดลองหรือห้องปฏิบัติการไม่สามารถนำมาสรุปผลในมนุษย์ได้
ระดับหลักฐาน
หลักฐานจากการศึกษาในห้องปฏิบัติการและสัตว์ทดลอง เป็นรากฐานที่ช่วยให้เข้าใจกลไกและศักยภาพก่อนการศึกษาในมนุษย์ต่อไป
ดูวิธีจัดระดับหลักฐานดูงานวิจัยทั้งหมดที่เกี่ยวข้อง
กรองห้องสมุดงานวิจัยด้วยชื่อเรื่อง ชื่อผู้เขียน หรือปีที่ตีพิมพ์ของงานวิจัยนี้