边缘

limma:微阵列数据的线性模型。本文综述了利用limma软件包的线性建模特性进行的微分表达式分析。本章从最简单的重复设计开始,通过两组或两组以上的实验,直接设计,析因设计和时间进程实验。考虑了技术和生物复制的实验。解释了经验Bayes检验统计量。β7数据说明了质量权重、自适应背景校正和控制点以及线性建模的使用。


zbMATH参考文献(52篇文章引用)

显示第1到第20个结果,共52个。
按年份排序(引用)
  1. Bommert,Andrea;Sun,Xudong;Bischl,Bernd;Rahnenführer,Jörg;Lang,Michel:高维分类数据中特征选择的过滤方法基准(2020年)
  2. 牛,陆;刘秀敏;赵俊龙:高维矩阵变量稀疏Kronecker结构相关矩阵的鲁棒估计(2020)
  3. Bhattacharjee,Atanu;Vishwakarma,Gajendra K.:重复测量基因表达的时间过程数据预测(2019)
  4. 结合皮肤再生过程中的调控因子,郭青,黄琰和黄琰的基因转录预测;结合2019年的基因转录调控信息;郭琰、黄琰分析
  5. Kiihl,Samara F.;Martinez Garrido,Maria Jose;Domingo Relloso,Arce;Bermudez,Jose;Tellez Plaza,Maria:\ texttmll2r:DNA甲基化和羟甲基化比例最大似然估计的R包(2019年)
  6. Madsen,Tobias;Świtnicki,Michał;Juul,Malene;Skou Pedersen,Jakob:\ texttebadimex:检测联合差异表达和甲基化以及样本分类的经验贝叶斯方法(2019年)
  7. 邹任超;肖,舒峰;石,田志天;柯,杨;唐,浩然;吴,田根;郭志堂;倪,范;李文星;王,林:男女肝癌患者代谢相关途径和基因的鉴定(2019年)
  8. 《评估基因组差异的意义》;Linda Rou,2018;Hanna-Rou,Asten-wide;评估基因组差异的意义;Linda-Rou,Bettina-B)
  9. 王伟平(2018年数据来源:宋卫平,王伟平;数据来源:宋卫平)
  10. 夏英林;孙军;陈丁庚:微生物组群数据的R(2018)统计分析
  11. Felici,Giovanni;Tripathi,Kumar Parijat;Evangelista,Daniela;Guaracino,Mario Rosario:基于混合整数规划的分析基因表达数据的全局优化框架(2017)
  12. Jauhari,Shaurya;Rizvi,S.A.M.:\textitApriori,\textitdenovo通过回归观点对基因表达机制的数学探索,简要编目了古代模型(2017)
  13. Lun,Aaron T.L.;Smyth,Gordon K.:无计数,无方差:从RNA序列数据评估生物变异性时考虑自由度损失(2017)
  14. Papastamoulis,Panagiotis;Rattray,Magnus:根据RNA序列数据对差异转录使用的贝叶斯估计(2017年)
  15. Shafaghati,Leila;Razaghi Moghadam,Zahra;Mohammadnejad,Javad:了解酒精性肝病分子机制的系统生物学方法:静态和动态模型的发展(2017)
  16. Dasgupta,Nairanjana;Genz,Alan;Lazar,Nicole A.:从错误分类看多样性(2016)
  17. Phipson,Belinda;Lee,Stanley;Majewski,Ian J.;Alexander,Warren S.;Smyth,Gordon K.:稳健的超参数估计可防止高变基因并提高检测差异表达的能力(2016年)
  18. 伊丽莎白约翰逊(Elizabeth Johnson)的二项式离差法(Exotrial Discredition),伊丽莎白·约翰逊(Elizabeth)、珀尔迪(Marruddy)的二项式离差法(Exotrial Discription)和《外项参数》(the differential Discription of the family);伊丽莎白·约翰逊
  19. Licio,Andrew;Nettleton,Dan:近交系和杂交基因型RNA序列实验的分层建模和差异表达分析(2015)
  20. 马延元;姚伟新:单参数半参数二元混合模型的弹性估计(2015)