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。质量权重、自适应背景校正和控制点与线性建模结合使用,在β7数据。


zbMATH中的参考文献(参考文献54条)

显示第1到第20个结果,共54个。
按年份排序(引用)
  1. 波默特,安德里亚;孙旭东;比什尔,伯纳德;拉赫内夫ü你好,Jörg公司;Lang,Michel:高维分类数据中特征选择的过滤方法基准(2020)
  2. 牛、鹿;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. 卓斌;江,多;狄艳明:检验统计量相关与数据行相关(2020)
  4. 巴塔查吉,阿塔努;Vishwakarma,Gajendra K.:重复测量基因表达的时间过程数据预测(2019)
  5. 黄平;葛鹏;田青芬;结合2019年皮肤再生过程中的调控因子和调控因子的预测
  6. 基尔,萨马拉F。;马丁内斯·加里多,玛丽亚·何塞;多明戈·雷洛索,Arce;贝穆德斯,何塞;Tellez Plaza,Maria:\ texttmlml2r:DNA甲基化和羟甲基化比例最大似然估计的R包(2019年)
  7. 马德森,托比亚斯;Ś维特尼基,米迦ł; 尤尔,马琳;Skou Pedersen,Jakob:\ texttebadimex:检测联合差异表达和甲基化并对样本进行分类的经验贝叶斯方法(2019年)
  8. 邹任超;萧淑凤;石、智天;柯、杨;唐浩然;吴田根;郭志堂;Ni,风扇;李文星;Wang,Lin:识别男性和女性肝癌患者的代谢相关途径和基因(2019年)
  9. 佩奇,克里斯蒂安·M。;沃斯,琳达;朗格,崔妮B。;哈伯,汉恩F。;Andreasen,Bettina K.:评估差异甲基化区域检测的全基因组意义(2018)
  10. 宋伟;刘华平;王佳佳;孔、燕;阴、夏;臧卫东:方法:综合转录组数据分析的web服务器(2018)
  11. 夏英林;孙军;陈丁庚:微生物组群数据与R的统计分析(2018)
  12. 费利西,乔瓦尼;特里帕提,库马尔·帕里贾特;伊万杰利斯塔,丹妮拉;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)
  13. 乔哈里,肖尔雅;里兹维,S。A.A。M、 :\textitApriori,\textitdenovo通过回归观点对基因表达机制的数学探索,并简要编目了古代模型(2017)
  14. 伦,亚伦·T。五十、 。;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年)
  15. 木瓜属,泛甲管炎;Rattray,Magnus:根据RNA序列数据对差异转录使用的贝叶斯估计(2017)
  16. 沙法格哈蒂,莱拉;拉扎吉·莫哈达姆,扎哈拉;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)
  17. 达斯古普塔,奈兰贾纳;根茨,艾伦;Lazar,Nicole A.:从错误分类看多样性(2016)
  18. 侯赛因,艾哈迈德;汗,哈菲兹T。A、 :利用稀疏主成分识别实体肿瘤对达沙替尼敏感性相关的基因组标记(2016年)
  19. 菲普森,贝琳达;李,斯坦利;马约夫斯基,伊恩J。;亚历山大,沃伦S。;Smyth,Gordon K.:稳健的超参数估计保护高变基因并提高检测差异表达的能力(2016年)
  20. 红润的,肖恩;约翰逊,玛拉;Purdom,Elizabeth:二项族中离散参数的收缩,以及对微分外显子跳过的应用(2016)