• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE Symposium on Computational Intelligence in Bioinformatics and Computational Biology >Derivation of minimum best sample size from microarray data sets: A Monte Carlo approach
【24h】

Derivation of minimum best sample size from microarray data sets: A Monte Carlo approach

机译：来自微阵列数据集的最低最佳样本大小的推导：蒙特卡罗方法

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

NCBI has been accumulating a large repository of microarray data sets, namely Gene Expression Omnibus (GEO). GEO is a great resource enabling one to pursue various biological and pathological questions. The question we ask here is: given a set of gene signatures and a classifier, what is the best minimum sample size in a clinical microarray research that can effectively distinguish different types of patient responses to a therapeutic drug. It is difficult to answer the question since the sample size for most microarray experiments stored in GEO is very limited. This paper presents a Monte Carlo approach to simulating the best minimum microarray sample size based on the available data sets. Support Vector Machine (SVM) is used as a classifier to compute prediction accuracy for different sample size. Then, a logistic function is applied to fit the relationship between sample size and accuracy whereby a theoretic minimum sample size can be derived.
机译：NCBI一直积累了一个大型阵列数据集的大型存储库，即基因表达综合素（Geo）。 Geo是一个伟大的资源，使人们能够追求各种生物和病理问题。 我们在此提出的问题是：给定一组基因签名和分类器，临床微阵列研究中最佳的最低样本大小是有效区分不同类型的患者对治疗药物的反应。 由于大多数微阵列实验的样本量非常有限，因此很难回答问题。 本文介绍了一种蒙特卡罗方法，可以根据可用数据集模拟最低最低微阵列样本大小。 支持向量机（SVM）用作分类器以计算不同样本大小的预测精度。 然后，应用逻辑函数以适应样品大小与精度之间的关系，从而可以导出理论的最小样本大小。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号