关键词：相关性网络，高维数据分析，多组学，生物复杂系统
论文题目：Large-scale correlation network construction for unraveling the coordination of complex biological systems
论文来源：Nature Computational Science
论文链接：https://www.nature.com/articles/s43588-023-00429-y
先进的测量和数据存储技术带来了复杂生物系统的高维分析。现代多组学研究对于每个样本都能定期提供有成百上千条测量数据的数据库，可以说开启了精准医学的新时代。相关性分析是深入了解这种复杂系统的协调机制和底层过程的重要的第一步。然而，构建现代高维数据集大型相关性网络所需的不断增长的运行时间和内存大小，使得它在计算上仍然面临巨大的挑战。
这篇发表在 Nature Computational Science 上的文章解决了这个问题。作者介绍了一个叫做 CorALS（Correlation Analysis of Large-scale (biological) Systems）的开源框架，它可以针对高维生物数据，构建和分析参数或非参数的相关性网络。它有支持工作流和下游分析方法的现成算法，个人计算机和高性能计算机都适用。作者在大型多组学和单细胞研究的复杂生物过程中探索CorALS的表现，证明它有巨大的潜力和广泛的应用场景。
了解读书会具体规则、报名读书会请点击下方文章：
生命复杂性系列读书会：从信息和物理视角探索生命的内在逻辑
推荐阅读
