Daehee Hwang,William A.Schmitt,George Stephanopoulos,Gregory Stephanopulos,最小样本量和歧视性表达的测定微阵列数据中的模式,生物信息学,第18卷,第9期,2002年9月,第1184–1193页,https://doi.org/10.1093/bioinformatics/18.9.1184
动机:使用微阵列进行转录谱分析可以揭示重要的有关细胞和组织表达表型的信息,但这些测量既昂贵又耗时。此外,组织样本的可用性对可以结合特定的疾病或感兴趣的状态。因此提供一种确定分离所需的最小微阵列数量统计可靠性、不同疾病状态或其他生理差异。
结果:采用功率分析估计最小样本量两类和多类歧视所必需的。功率分析算法计算适当的样本大小以区分Fisher获得的降维空间中的表型亚型判别分析(FDA)。通过应用估计最小样本量的现有数据集算法需要就多类别区分得出某些结论统计可靠性。据证实,当使用功率分析估算的样本,FDA中的组平均值判别空间在统计学上存在差异。
联系人:gregstep@mit.edu
通信对象演说。
登录或创建帐户
此PDF仅供订阅者使用
要完全访问此pdf,请登录现有帐户或购买年度订阅。