扩散成分分析：揭示生物网络中的功能拓扑结构。 - Suppr | 超能文献

文献检索
文档翻译
深度研究
学术资讯

Zotero 插件

邀请有礼
套餐&价格
历史记录

应用&插件

Zotero 插件浏览器插件 Mac 客户端 Windows 客户端微信小程序

定价

高级版会员购买积分包购买API积分包

服务

文献检索文档翻译深度研究 API 文档 MCP 服务

关于我们

关于 Suppr 公司介绍联系我们用户协议隐私条款

关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究

粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

扩散成分分析：揭示生物网络中的功能拓扑结构。 - Suppr | 超能文献

Diffusion Component Analysis: Unraveling Functional Topology in Biological Networks.

作者信息

Cho Hyunghoon, Berger Bonnie, Peng Jian

机构信息

Computer Science and Artificial Intelligence Laboratory, MIT, Cambridge, MA, USA.

Department of Mathematics, MIT, Cambridge, MA, USA.

出版信息

Res Comput Mol Biol. 2015 Apr;9029:62-64. doi: 10.1007/978-3-319-16706-0_9. Epub 2015 Mar 26.

DOI:10.1007/978-3-319-16706-0_9

原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC5524124/

Abstract

摘要

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8638/5524124/6bd8989ddf5a/nihms882706f1.jpg

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8638/5524124/6bd8989ddf5a/nihms882706f1.jpg

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8638/5524124/6bd8989ddf5a/nihms882706f1.jpg

相似文献

1

Diffusion Component Analysis: Unraveling Functional Topology in Biological Networks.扩散成分分析：揭示生物网络中的功能拓扑结构。

Res Comput Mol Biol. 2015 Apr;9029:62-64. doi: 10.1007/978-3-319-16706-0_9. Epub 2015 Mar 26.

2

Using the topology of metabolic networks to predict viability of mutant strains.利用代谢网络的拓扑结构预测突变菌株的生存能力。

Biophys J. 2006 Sep 15;91(6):2304-11. doi: 10.1529/biophysj.105.080572. Epub 2006 Jun 16.

3

Functional and evolutionary inference in gene networks: does topology matter?基因网络中的功能与进化推断：拓扑结构重要吗？

Genetica. 2007 Jan;129(1):83-103. doi: 10.1007/s10709-006-0035-0. Epub 2006 Aug 8.

4

Scaling theory of transport in complex biological networks.复杂生物网络中传输的标度理论。

Proc Natl Acad Sci U S A. 2007 May 8;104(19):7746-51. doi: 10.1073/pnas.0700250104. Epub 2007 Apr 30.

5

Asymmetry of Hemispheric Network Topology Reveals Dissociable Processes between Functional and Structural Brain Connectome in Community-Living Elders.半球网络拓扑结构的不对称揭示了社区居住老年人功能性和结构性脑连接组之间的可分离过程。

Front Aging Neurosci. 2017 Nov 3;9:361. doi: 10.3389/fnagi.2017.00361. eCollection 2017.

6

Consensus analysis of networks with time-varying topology and event-triggered diffusions.具有时变拓扑和事件触发扩散的网络的共识分析

Neural Netw. 2015 Nov;71:196-203. doi: 10.1016/j.neunet.2015.08.008. Epub 2015 Sep 8.

7

Reliability-based topology design for large-scale networks.基于可靠性的大规模网络拓扑设计。

ISA Trans. 2019 Nov;94:144-150. doi: 10.1016/j.isatra.2019.04.004. Epub 2019 May 14.

8

Dynamic coupling of complex brain networks and dual-task behavior.复杂脑网络与双任务行为的动态耦合

Neuroimage. 2016 Apr 1;129:233-246. doi: 10.1016/j.neuroimage.2016.01.028. Epub 2016 Jan 21.

9

The architecture of dynamic reservoir in the echo state network.回声状态网络中的动态储层结构。

Chaos. 2012 Sep;22(3):033127. doi: 10.1063/1.4746765.

10

Turing patterns mediated by network topology in homogeneous active systems.均匀活性系统中由网络拓扑介导的图灵模式。

Phys Rev E. 2019 Jun;99(6-1):062303. doi: 10.1103/PhysRevE.99.062303.

引用本文的文献

1

KGRDR: a deep learning model based on knowledge graph and graph regularized integration for drug repositioning.KGRDR：一种基于知识图谱和图正则化集成的用于药物重新定位的深度学习模型。

Front Pharmacol. 2025 Feb 11;16:1525029. doi: 10.3389/fphar.2025.1525029. eCollection 2025.

2

Graph embedding on mass spectrometry- and sequencing-based biomedical data.基于质谱和测序的生物医学数据的图嵌入。

BMC Bioinformatics. 2024 Jan 2;25(1):1. doi: 10.1186/s12859-023-05612-6.

3

Gemini: memory-efficient integration of hundreds of gene networks with high-order pooling.

本文引用的文献

1

New directions for diffusion-based network prediction of protein function: incorporating pathways with confidence.基于扩散的蛋白质功能网络预测的新方向：置信度整合途径。

Bioinformatics. 2014 Jun 15;30(12):i219-27. doi: 10.1093/bioinformatics/btu263.

2

Uncovering biological network function via graphlet degree signatures.通过图let度特征揭示生物网络功能

Cancer Inform. 2008;6:257-73. Epub 2008 Apr 14.

3

GeneMANIA: a real-time multiple association network integration algorithm for predicting gene function.GeneMANIA：一种用于预测基因功能的实时多重关联网络整合算法。

双子星：高效集成数百个基因网络的方法，支持高阶池化。

Bioinformatics. 2023 Jun 30;39(39 Suppl 1):i504-i512. doi: 10.1093/bioinformatics/btad247.

4

Exploring novel disease-disease associations based on multi-view fusion network.基于多视图融合网络探索新型疾病-疾病关联

Comput Struct Biotechnol J. 2023 Feb 24;21:1807-1819. doi: 10.1016/j.csbj.2023.02.038. eCollection 2023.

5

Systems analysis of de novo mutations in congenital heart diseases identified a protein network in the hypoplastic left heart syndrome.先天性心脏病中新生突变的系统分析确定了左心发育不全综合征中的蛋白质网络。

Cell Syst. 2022 Nov 16;13(11):895-910.e4. doi: 10.1016/j.cels.2022.09.001. Epub 2022 Sep 26.

6

Prediction of the Drug-Drug Interaction Types with the Unified Embedding Features from Drug Similarity Networks.基于药物相似性网络的统一嵌入特征预测药物-药物相互作用类型

Front Pharmacol. 2021 Dec 20;12:794205. doi: 10.3389/fphar.2021.794205. eCollection 2021.

7

An overview of machine learning methods for monotherapy drug response prediction.机器学习方法在单药药物反应预测中的应用概述。

Brief Bioinform. 2022 Jan 17;23(1). doi: 10.1093/bib/bbab408.

8

Integration strategies of multi-omics data for machine learning analysis.用于机器学习分析的多组学数据整合策略。

Comput Struct Biotechnol J. 2021 Jun 22;19:3735-3746. doi: 10.1016/j.csbj.2021.06.030. eCollection 2021.

9

An Inductive Logistic Matrix Factorization Model for Predicting Drug-Metabolite Association With Vicus Regularization.一种用于预测药物 - 代谢物关联的带Vicus正则化的归纳逻辑矩阵分解模型。

Front Microbiol. 2021 Apr 1;12:650366. doi: 10.3389/fmicb.2021.650366. eCollection 2021.

10

Mining genetic and transcriptomic data using machine learning approaches in Parkinson's disease.运用机器学习方法挖掘帕金森病的遗传和转录组数据。

NPJ Parkinsons Dis. 2020 Sep 9;6:24. doi: 10.1038/s41531-020-00127-w. eCollection 2020.

Genome Biol. 2008;9 Suppl 1(Suppl 1):S4. doi: 10.1186/gb-2008-9-s1-s4. Epub 2008 Jun 27.