Почему фильтрация по P-значению и величине эффекта имеет значение для валидации мишени?

Фильтрация по P-value и величине эффекта гарантирует, что приоритет будет отдаваться только статистически достоверным и биологически значимым ассоциациям между генами и заболеваниями, что снижает количество ложноположительных результатов при формулировании гипотез. Это способствует уверенному выбору мишеней за счет сосредоточения внимания на вариантах с убедительными эпидемиологическими и генетическими доказательствами.

Как изоляция независимых переменных (например, гена, препарата, заболевания) улучшает генерацию гипотез в процессе поиска и разработки?

Изоляция таких переменных, как ген, лекарственный препарат или заболевание, позволяет осуществлять направленное изучение потенциала перепрофилирования с различных биологических точек входа, что повышает точность формулировки гипотез. Этот модульный подход способствует систематическому скринингу и перекрестной проверке результатов по различным измерениям данных.

Что позволяют использовать количественные измерения зависимых переменных (например, аннотации Medline, записи ClinicalTrials.gov) при приоритизации перепрофилирования препаратов?

Количественные показатели, такие как совместное упоминание в литературе и количество клинических исследований, предоставляют объективные доказательства существующего биологического или клинического правдоподобия для пары «лекарство-заболевание». Эти метрики помогают приоритизировать гипотезы с более сильной трансляционной поддержкой и снизить зависимость от ассоциаций, не имеющих подтверждения в реальной клинической практике.

Почему требования к репликации (например, минимум пять аннотаций Medline) имеют значение для межфункционального сотрудничества?

Пороги репликации гарантируют, что гипотезы о перепрофилировании подтверждаются несколькими независимыми источниками доказательств, что повышает уверенность в их достоверности. Такая стандартизация обеспечивает единообразную интерпретацию данных группами исследователей, занимающихся фундаментальными разработками, трансляционной медициной и доклиническими исследованиями, при передаче проектов между ними.

Какие возможности статистического анализа требуются перед внедрением инструмента RE:fine Drugs в рабочий процесс поиска новых лекарственных средств?

Пользователи должны понимать, как интерпретировать результаты GWAS/PheWAS, включая P-значения, частоту ложноположительных результатов и отношение шансов, чтобы эффективно применять фильтры и оценивать достоверность результатов. Знание методов расчета величины эффекта и коррекции для множественной проверки гипотез необходимо для точного определения приоритетности гипотез.

Drug перепрофилирования Гипотезы Generation Использование "RE: тонкие наркотики" Система

9.7K просмотров

Процитировано: 4

05:10 мин

11 декабря 2016 г.

10.3791/54948-v

11 декабря 2016 г.

9.7K просмотров

Kelly Regan¹ , Soheil Moosavinasab² , Philip Payne¹ , Simon Lin²

¹Department of Biomedical Informatics, The Ohio State University, ²Research Information Solutions and Innovation, The Research Institute at Nationwide Children’s Hospital

Здесь мы описываем протокол с использованием веб-инструмента для генерации гипотез о перепрофилировании лекарств: "RE:fine Drugs." Этот протокол может быть изменен в соответствии с предпочтениями пользователя на уровне типа запроса (ген, лекарство или заболевание) и/или диапазона доступных расширенных опций.

Больше видео

GWAS

PheWAS

Chapters in this video