...
  • 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 >SYSTEMATIC VARIATION NORMALIZATION IN MICROARRAY DATA TO GET GENE EXPRESSION COMPARISON UNBIASED
【24h】

SYSTEMATIC VARIATION NORMALIZATION IN MICROARRAY DATA TO GET GENE EXPRESSION COMPARISON UNBIASED

机译：微阵列数据中的系统变化归一化，以获得基因表达比较无偏见

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

Normalization removes or minimizes the biases of systematic variation that exists in experimental data sets. This study presents a systematic variation normalization (SVN) procedure for removing systematic variation in two channel microarray gene expression data. Based on an analysis of how systematic variation contributes to variability in microarray data sets, our normalization procedure includes background subtraction determined from the distribution of pixel intensity values from each data acquisition channel and log conversion, linear or non-linear regression, restoration or transformation, and multiarray normalization. In the case when a non-linear regression is required, an empirical polynomial approximation approach is used. Either the high terminated points or their averaged values in the distributions of the pixel intensity values observed in control channels may be used for rescaling multiarray datasets. These pre-processing steps remove systematic variation in the data attributable to variability in microarray slides, assay-batches, the array process, or experimenters. Biologically meaningful comparisons of gene expression patterns between control and test channels or among multiple arrays are therefore unbiased using normalized but not unnormalized datasets.
机译：归一化除去或最小化实验数据集中存在的系统变化的偏差。该研究提出了一种系统变异标准化（SVN）程序，用于去除两个通道微阵列基因表达数据中的系统变化。基于分析系统变化如何对微阵列数据集的可变性有所贡献，我们的归一化过程包括从每个数据采集信道和日志转换，线性或非线性回归，恢复或转换的像素强度值的分布确定的背景减法，和多周光标准化。在需要非线性回归的情况下，使用经验多项式近似方法。在控制信道中观察到的像素强度值的分布中的高终端点或其平均值可以用于重新缩探多中频数据集。这些预处理步骤删除了可归因于微阵列载玻片，测定批次，阵列过程或实验者的可变性的数据的系统变化。因此，使用归一化但不是无通量的数据集，控制和测试通道之间或多个阵列之间的基因表达模式的生物学意义比较是无偏的。

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