跳到主页面内容
美国国旗

美国政府的官方网站

Dot政府

gov意味着它是官方的。
联邦政府网站通常以.gov或.mil结尾。之前分享敏感信息,确保你在联邦政府政府网站。

Https公司

该站点是安全的。
这个https(https)://确保您连接到官方网站,并且您提供的任何信息都是加密的并安全传输。

访问密钥 NCBI主页 MyNCBI主页 主要内容 主导航
比较研究
.2006年3月2日7:106。
doi:10.1186/1471-2105-7-106。

一种评估微阵列实验中样本大小的简单方法

附属公司
比较研究

一种评估微阵列实验中样本大小的简单方法

罗伯特·蒂施莱尼. BMC生物信息学. .

摘要

背景:在这篇简短的文章中,我们讨论了一种评估微阵列实验中样本大小要求的简单方法。

结果:我们的方法从基于排列的一组先导数据分析的输出开始,例如来自SAM包的输出。然后,对于给定的假设平均差和不同的样本大小,我们估计了一系列基因的假发现率和假阴性率;这些也可以根据基因能力和I型错误进行解释。我们还讨论了我们的方法在其他类型的反应变量中的应用,例如生存结果。

结论:我们的方法似乎对微阵列实验中的样本量评估有用。

PubMed免责声明

数字

图1
图1
模拟数据的结果。这些基因是独立产生的。每个面板使用建议的方法显示估计的FDR和FNR(实心红色和绿色曲线)以及第10和90个百分位(请记住,在我们的设置中,FDR=1次方,FNR=I型错误)。在0.05处画一条水平线。水平轴上的数量–基因数量–指的是真实非空基因的假设数量,以及称为显著的基因数量。我们看到,对于20的导频数据样本量来说,FDR可能过高,但当样本量加倍到40时,FDR会显著提高。
图2
图2
第一次模拟研究的结果。这里,FDR和FNR是通过基础模型的直接模拟来估计的。
图3
图3
第二个模拟示例的结果(相关基因)。

类似文章

引用人

工具书类

    1. Gilbert Chu、Balasubramanian Narasimhan、Robert Tibshirani、Virginia Tusher。微阵列(sam)软件的显著性分析http://www-stat.stanford.edu/~提布斯/萨姆/通过互联网。2003年7月16日,2002年访问。
    1. Lee M-LT,Whitmore GA。微阵列研究的功率和样本量。医学统计学。2002:3543–3570. doi:10.1002/sim.1335。-内政部-公共医学
    1. Li SS,Bigler J,Lampe JW,Potter JD,Feng Z.微阵列的Fdr控制测试程序和样本量测定。医学统计学。2005年:2267-2280。doi:10.1002/sim.2119。-内政部-公共医学
    1. Muller P,Parmigiani G,Robert C,Rousseau J.多重测试的最佳样本量:基因表达微阵列的情况。J Amer统计协会,2005年;99:990–1001. doi:10.1198/0162145000001646。-内政部
    1. Pawitan Y、Michiels S、Koscielny A、Gusnanto S、Ploner A。微阵列研究的错误发现率、敏感性和样本量。生物信息学。2005:3017–24. doi:10.1093/bioinformatics/bti448。-内政部-公共医学

出版物类型