探针

ProbCD:分类不确定性的浓缩分析。与许多其他科学领域一样,系统生物学广泛使用列联表中的统计关联和显著性估计,这是一种分类数据分析,在这一领域称为富集(过度表示或增强)分析。尽管人们致力于创建概率注释,特别是在基因本体上下文中,或者处理基于高通量的数据集中的不确定性,但是当前的富集方法很大程度上忽略了这种概率信息,因为它们主要基于Fisher精确检验的变体。我们开发了一个开源的R包来处理概率分类数据分析,ProbCD,它不需要静态列联表。在给定分类概率的情况下,利用Bernoulli格式随机过程的期望,建立了浓缩问题的列联表。创建了一个允许非程序员使用的在线接口,该接口位于:this httpurl。我们提出了一个分析框架和软件工具来解决分类数据分析中的不确定性问题。特别是在富集分析方面,ProbCD可以适应:(i)高通量实验技术的随机性;(ii)概率基因注释。

zbMATH参考文献(参考 5篇文章

显示第1到第5个结果,共5个。
按年份排序(引用)

  1. Da Silva,Israel T.;Vèncio,Ricardo Z.N.;Oliveira,Thiago Y.K.;Molfetta,Greice A.;Jr.,Wilson A.Silva:Probfast:概率功能分析系统工具(2010)ioport公司
  2. Ackermann,Marit;Strimmer,Korbinian:基因集富集分析的通用模块框架(2009)ioport公司
  3. Den Berg,Bart H.J.Van;Thanthiriwatte,Chamali;Manda,Prashanti;Bridges,Susan M.:农业微阵列数据功能建模的基因注释富集工具比较(2009)ioport公司
  4. Ricardo Vencio,Ilya Shmulevich:ProbCD:分类不确定性的浓缩分析(2007)阿尔十四
  5. Vèncio,Ricardo Zn;Shmulevich,Ilya:Probcd:分类不确定性的富集分析(2007)ioport公司