...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Bioinformatics and Computational Biology >AN ANCOVA APPROACH TO NORMALIZE MICROARRAY DATA, AND ITS PERFORMANCE TO EXISTING METHODS
【24h】

AN ANCOVA APPROACH TO NORMALIZE MICROARRAY DATA, AND ITS PERFORMANCE TO EXISTING METHODS

机译：一种归一化微阵列数据的ANCOVA方法，以及对现有方法的性能

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A microarray experiment includes many steps, and each one of them may include systematic variations. To have a sound analysis, the systematic bias must be identified and removed prior to the data being analyzed. Based on the M-A dependency observed by Dudoit et al. (2002), we suggest that, instead of using the lowess normalization, a new normalization method called ANCOVA be used for dealing with genes with replicates. Simulation studies have shown that the performance of the suggested ANCOVA method is superior to any of the available approaches with regards to the Fisher's Z score and concordance rate. We used a microarray data from bladder cancer to illustrate the application of our approach. The edge the ANCOVA method has over the existing normalization approaches is further confirmed through real-time PCR.
机译：微阵列实验包括许多步骤，并且它们中的每一个可以包括系统变化。 为了具有声音分析，必须在分析数据之前识别和删除系统偏差。 基于Dudoit等人观察的M-A依赖。 （2002），我们建议，而不是使用低归一化，而是一种名为Ancova的新归一化方法，用于处理具有重复的基因。 仿真研究表明，建议的ANCOVA方法的性能优于任何关于Fisher Z得分和一致性率的可用方法。 我们使用来自膀胱癌的微阵列数据来说明我们的方法的应用。 通过实时PCR进一步确认ANCOVA方法对现有归一化方法的边缘。

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