×

FLLat公司

swMATH ID: 19127
软件作者: 诺瓦克,Gen;特雷弗·哈斯蒂;乔纳森·波拉克(Jonathan R.Pollack)。;罗伯特·提比拉尼
描述: 用于分析多样本aCGH数据的融合套索潜在特征模型。基于阵列的比较基因组杂交(aCGH)能够测量基因组中数千个位置的DNA拷贝数。分析aCGH数据的主要目的是识别拷贝数变异(CNV)的区域并量化CNV的数量。虽然有很多方法可以分析单样本aCGH数据,但多样本aCGH数据的分析是一个相对较新的研究领域。此外,目前许多分析多样本aCGH数据的方法没有适当利用多个样本中的附加信息。我们提出了一个称为Fused Lasso潜在特征模型(FLLat)的过程,该模型为多样本aCGH数据建模和CNV区域识别提供了统计框架。该过程涉及将CGH数据的每个样本建模为固定数量特征的加权和。然后通过对每个特征应用融合套索惩罚来识别CNV区域。一些仿真分析表明,当模拟样本共享公共信息时,FLLat方法优于单样本方法。我们还提出了一种估计错误发现率的方法。对从人类乳腺肿瘤中获得的aCGH数据集的分析表明,FLLat和异常拷贝数显著性检测(一种替代的现有方法)识别出了与先前发现一致的CNV相似区域。然而,通过估计的特征及其相应的权重,FLLat能够进一步识别样本之间的特定关系,例如,根据17号染色体的CNV模式识别3组不同的样本。
主页: https://cran.r-project.org/web/packages/FLLat/index.html
源代码:  https://github.com/cran/FLLat网站
依赖项: R(右)
关键词: 癌症;DNA拷贝号;错误发现率;突变
相关软件: 项目管理局
引用于: 3文件

按年份列出的引文