Examinamos el alcance actual de la reutilización y el solapamiento temporal entre las ontologías biomédicas. Utilizamos el corpus de ontologías biomédicas guardadas en el repositorio BioPortal, y analizamos tres tipos de construcciones de reutilización: (a) reutilización de periodos de tiempo específicos, (b) reutilización de xref, y (c) reutilización de identificadores distintivos de ideas (CUI). Mientras que hay una similitud de etiqueta de período de tiempo de aproximadamente el 14,4% de las frases completas, nos dimos cuenta de que la mayoría de las ontologías reutilizan significativamente menos del 5% de sus frases de un conjunto conciso de algunas ontologías básicas.
Desarrollamos una visualización interactiva para descubrir las dependencias de reutilización entre las ontologías biomédicas. Además, reconocimos un conjunto de patrones que señalan que los constructores de ontologías tenían la intención de reutilizar frases de diferentes ontologías, sin embargo han estado utilizando representaciones totalmente diferentes y típicamente incorrectas. El objetivo de este trabajo es el de promover el uso de la tecnología de la información y la comunicación en el ámbito de la educación y la formación de los jóvenes.
| Beta2-Microglobulin ELISA kit ELISA Kit | |||
| Abfrontier | |||
| Human IL-17E ELISA Kit ELISA kit | |||
| EnoGene | |||
| Human IL-17E ELISA Kit ELISA kit | |||
| EnoGene | |||
El enriquecimiento de la ontología genética mejora el rendimiento de la similitud práctica de los genes.
Existe una plétora de medidas para juzgar la similitud de propósito (FS) entre los genes, que es un ampliamente utilizado en muchos propósitos de la bioinformática junto con la detección de las vías moleculares, el cálculo de los genes co-expresados, la predicción de las interacciones proteína-proteína, y la priorización de los genes de la enfermedad. Las medidas de FS entre los genes se derivan en gran medida del contenido de información (IC) de las frases de la ontología de genes (GO) que anotan los genes.
Sin embargo, las medidas actuales que evalúan el CI de las frases se basan principalmente en las representaciones de las frases dentro del corpus de anotación o en los datos incrustados dentro de la jerarquía GO no tienen en cuenta el enriquecimiento de las frases GO por el par de genes de consulta. El enriquecimiento de un período de tiempo GO por un par de genes depende de si el período de tiempo está anotado por un gen (es decir, anotación parcial) o por cada uno de los genes (es decir, anotación completa) dentro del par.
| Beta2-Microglobulin ELISA kit ELISA Kit | |||
| LF-EK60047 | |||
| Human IL-17E ELISA Kit ELISA kit | |||
| E22-HC180.48 | |||
| Human IL-17E ELISA Kit ELISA kit | |||
| E22-HC180.96 | |||
En este trabajo, sugerimos una técnica que incorpora el enriquecimiento de frases GO por un par de genes en el cálculo de su FS y presentamos que el enriquecimiento GO mejora las prestaciones de 46 medidas actuales de FS dentro de la predicción de homologías de secuencia, correlaciones de expresión génica, interacciones proteína-proteína y genes relacionados con enfermedades.
HPO2GO: predicción de las asociaciones temporales de la ontología del fenotipo humano para las proteínas utilizando las co-ocurrencias de la anotación de la ontología cruzada.
El análisis de las relaciones entre las biomoléculas y las dolencias genéticas es un espacio de análisis extremadamente enérgico, en el que el objetivo es determinar los genes y sus mercancías que desencadenan una enfermedad específica debido a ajustes intencionados originados por mutaciones. Las ontologías orgánicas se emplean a menudo en estas investigaciones, lo que ofrece a los investigadores intensas alternativas para el descubrimiento de datos por medio de la evaluación computacional de la información. En esta investigación, se propone un método novedoso para la identificación de relaciones entre entidades biomédicas mediante el mapeo robótico de frases HPO que definen anormalidades fenotípicas con frases GO que definen operaciones biomoleculares, donde cada afiliación significa la incidencia de la anormalidad como resultado de la falta de la operación biomolecular expresada por el período de tiempo GO correspondiente.
| DNA | |
| MBS6507400-005mg | MyBiosource |
| DNA | |
| MBS6507400-5x005mg | MyBiosource |
| 4-Amino Biphenyl DNA (4-AMBP DNA, 4-Aminobiphenyl DNA) | |
| MBS600356-01mL | MyBiosource |
| 4-Amino Biphenyl DNA (4-AMBP DNA, 4-Aminobiphenyl DNA) | |
| MBS600356-5x01mL | MyBiosource |
| T4 DNA Ligase (T4 DNA) Enzyme | |
| abx073011-25g | Abbexa |
Los mapeos HPO2GO propuestos se han extraído calculando la frecuencia de las co-anotaciones de las frases en los genes/proteínas idénticas, utilizando unidades de anotación HPO y GO curadas ya presentes. Esto fue adoptado por el filtrado de los mapeos no fiables que podrían ser notados debido a la probabilidad, por el remuestreo estadístico de las distribuciones de similitud de co-ocurrencia.
Además, la relevancia orgánica de los mapeos finalizados se ha mencionado sobre circunstancias elegidas, utilizando la literatura. Los mapeos HPO2GO resultantes pueden emplearse en numerosos escenarios para predecir y analizar nuevas relaciones gen/proteína-ontología-término-enfermedad. Como utilidad del método propuesto, se han predicho las asociaciones término-proteína HPO (es decir, HPO2proteína).
Para poder comprobar la eficacia predictiva de la estrategia sobre una base cuantitativa, y para compararla con el estado del arte, se empleó el conjunto de proteínas objetivo de predicción de HPO del problema CAFA2. Los resultados de la evaluación comparativa indicaron el potencial del método propuesto, ya que la eficacia de HPO2GO fue una de las mejores (Fmax = 0,35). El método automatizado de mapeo de ontologías cruzadas desarrollado en este trabajo también podría prolongarse a diferentes ontologías con la misma eficacia, para determinar patrones de relación inexplorados en el grado sistémico.
| Protein-Export Protein SecB (SecB) Protein | |||
| Abbexa | |||
| Protein-Export Protein SecB (SecB) Protein | |||
| Abbexa | |||
| Protein-Export Protein SecB (SecB) Protein | |||
| Abbexa | |||
| Paraffin Wax | |||
| Toronto Research Chemicals | |||
| Paraffin wax pellets | |||
| EWC Diagnostics | |||
| Paraffin wax pellets | |||
| EWC Diagnostics | |||
| Paraffin wax Pellets | |||
| EWC Diagnostics | |||
| Paraffin wax Pellets | |||
| EWC Diagnostics | |||
BiOnIC: Un catálogo de interacciones de personas con ontologías biomédicas.
BiOnIC es un catálogo de estadísticas agregadas de clics, consultas y recuentos de reutilización de personas para acceder a más de 200 ontologías biomédicas. BiOnIC ofrece además secuencias anonimizadas de las lecciones a las que han accedido los clientes durante un intervalo de 4 años. Para generar las estadísticas, procesamos los registros de entrada de BioPortal, un gran repositorio abierto de ontologías biomédicas. Publicamos la información de BiOnIC utilizando los requisitos de metadatos DCAT y SKOS. El catálogo BiOnIC tiene una gran variedad de aplicabilidad, que mostramos a través de su uso en tres tipos de propósitos.
Según nuestros datos, el tipo de información de interacción que se deriva de una utilidad a gran escala del mundo real no se ha impreso antes. Contamos con que el catálogo se convertirá en un recurso útil esencial para los investigadores y constructores dentro de la vecindad de la Internet Semántica al ofrecer nuevas perspectivas sobre cómo se exploran, consultan y reutilizan las ontologías.
| MULTIPLEX KIT PCR MASTITIS PCR kit | |||
| Bioingentech | |||
| MULTIPLEX KIT PCR MASTITIS PCR kit | |||
| Bioingentech | |||
| PCR Mix | |||
| Biochain | |||
| PCR-EZ D-PCR MASTER MIX | |||
| Bio Basic | |||
| MULTIPLEX KIT PCR Babesia & Theileria PCR kit | |||
| Bioingentech | |||
El catálogo BiOnIC podría, en definitiva, ayudar al crecimiento de interfaces personales inteligentes para fuentes semánticas mediante la personalización de la interfaz, la predicción de la conducta de búsqueda y consulta de las personas y el resumen de ontologías.
| Rat Cholesterol ELISA ELISA | |
| E01A11128 | BlueGene |
| Goat Cholesterol ELISA ELISA | |
| E01A46041 | BlueGene |
| Mouse Cholesterol ELISA ELISA | |
| E01A19869 | BlueGene |
| Human Cholesterol ELISA ELISA | |
| E01A2368 | BlueGene |
| Sheep Cholesterol ELISA ELISA | |
| E01A98335 | BlueGene |