svaseq公司 swMATH ID: 14010 软件作者: 杰弗里·T·利克 描述: svaseq:从测序数据中去除批次效应和其他不需要的噪声。众所周知,在基因组实验中,不需要的噪声和未建模的伪影(如批处理效应)会显著降低统计推断的准确性。在进行高通量基因组分析时,必须对这些噪声源进行建模和消除,以准确测量生物变异性并获得正确的统计推断。我们引入了替代变量分析(sva)来估计这些伪影,方法是(i)识别仅受伪影影响的基因组数据部分,以及(ii)用数据矩阵子集的主成分或奇异向量估计伪影。工件的最终估计值可以在后续分析中用作校正分析的调整因素。在这里,我描述了基于适当数据转换的测序实验中为计数数据或FPKM专门创建的sva方法的一个版本。我还描述了添加的监督sva(ssva),用于使用控制探针识别仅受伪影影响的基因组数据部分。我比较了这些版本的sva和其他方法在模拟数据、基于实数的数据和基于FPKM的数据上的批量效应估计。这些更新可通过sva Bioconductor软件包获得,我已使用以下方法进行了完全可重复的分析:https://github.com/jtleek/svaseq。 主页: http://nar.oxfordjournals.org/content/early/2014/10/07/nar.gku864.short 相关软件: 生物导体;对;DESeq2公司;DEseq公司;LBFGS-B型;L-BFGS公司;L-BFGS-B型;格尔姆奈特;iClusterPlus;FSCseq公司;注意:。MClust公司;锌波;TCG生物链;鲑鱼;RSEM(RSEM);Nb俱乐部;国家气象局;边缘R;麦克卢斯特;BUScorrect(总线校正) 引用于: 5文件 全部的 前5名15位作者引用 1 戴、范 1 索马克·杜塔 1 萨拉·霍尔特(Sarah E.Holte)。 1 约瑟夫·乔治·易卜拉欣 1 Lee,Eva K。 1 大卫·K·林。 1 刘海波 1 罗向玉 1 兰詹·迈特拉 1 梅亚军 1 丹·内特尔顿 1 阮和田 1 纳伊姆·拉希德。 1 托格尔(Christopher K.Tuggle)。 1 魏英英 5篇连载文章中引用 1 美国统计协会杂志 1 统计学方法 1 应用统计学年鉴 1 计算与图形统计杂志 1 农业、生物和环境统计杂志 在2个字段中引用 5 统计学(62-XX) 2 生物学和其他自然科学(92-XX) 按年份列出的引文