混合组学

mixOmics:Omics数据集成项目。该软件包提供了分析高维数据集的统计综合技术和变体：正则化CCA和稀疏PLS，以揭示大小（nxp）和（nxq）两个异构数据集之间的关系，其中p和q变量是在同一样本或个人n上测得的。这些数据可能来自高吞吐量需要综合或联合分析的技术，如组学数据（例如转录组学、代谢组学或蛋白质组学数据）。然而，混合组学也可以应用于p+q>>n的任何其他大型数据集。rCCA是CCA的正则化版本，用于处理大量变量。sPLS允许一步选择变量，并提出了两种框架：回归和规范分析。提供了许多图形输出来帮助解释结果。最近的方法发展包括：稀疏PLS判别分析、独立主成分分析和基于数据方差分解的多级分析。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH参考文献（28篇文章引用）

显示第1到第20个结果，共28个。
按年份排序(引用)
  1. Aguilera Morillo，M.Carmen；Aguilera，Ana M.：生物力学数据的多类分类：基于多类惩罚功能PLS的功能性LDA方法（2020）
  2. Broc，Camilo；Calvo，Borja；Liquit，Benoit：应用于结构化数据的惩罚偏最小二乘法（2020年）
  3. Genuer，Robin；Poggi，Jean-Michel:Random forests with R（2020年）
  4. Martin，Ryan；Tang，Yiqi:稀疏高维线性回归预测的经验先验（2020）
  5. Zhang，Fan；Miecznikowski，Jeffrey C.；Tritchler，David L.：监督和稀疏功能基因组路径的识别（2020年）
  6. 朱光宇；苏志华：基于包络的稀疏偏最小二乘法（2020）
  7. De Micheaux，Pierre Lafaye；Liquet，Benoît；Sutton，Matthew:PLS for Big Data:正则化群PLS的统一并行算法（2019）
  8. Feuerriegel，Stefan；Gordon，Julius:基于新闻的宏观经济指标预测：可解释预测的语义路径模型（2019）
  9. Jain，Yashita；Ding，Shanshan；Qiu，Jing：多组分综合数据分析的切片逆回归（2019）
  10. Sutton，Matthew；Mengersen，Kerrie；Liquit，Benoit:[HDDA]稀疏子空间约束偏最小二乘法（2019）
  11. Imbert，Alyssa；Vialaneix，Nathalie：《统计分析中缺失数据的探索、处理、插补和评估：现有方法综述》（2018年）
  12. Jalal K.Siddiqui，Elizabeth Baskin，Mingrui Liu，Carmen Z.Cantemir Stone，Bofei Zhang，Russell Bonneville，Joseph P.McElroy，Kevin R.Coombes，Ewy A.Mathé：IntLIM：使用代谢组学和基因表达数据的线性模型进行整合（2018年）阿尔十四
  13. Perrot Dockès，Marie；Lévy Leduc，Céline；Chiquet，Julien；Sansonnet，Laure；Brégère，Margaux；ètienne，Marie Pierre；Robin，Stéphane；Genta Jouve，Grégory：多元线性模型中的变量选择方法：LC-MS代谢组学数据的应用（2018）
  14. Benoît Liquet和Leonardo Bottolo、Gianluca Campanella、Sylvia Richardson和Marc Chadeau Hyam:R2GUESS：基于图形处理单元的多元响应贝叶斯变量选择回归R包（2016）不是zbMATH
  15. Chen，Mingkun；Vigneau，Evelyne:变量的监督聚类（2016）
  16. Robin Genuer，Jean-Michel Poggi，Christine Tuleau-Malot:VSURF：使用随机森林进行变量选择的R包（2015）不是zbMATH
  17. Lock，Eric F.；Hoadley，Katherine A.；Marron，J.S.；Nobel，Andrew B.：多数据类型综合分析的联合和个体差异解释（JIVE）（2013年）
  18. Marttinen，Pekka；Gillberg，Jussi；Havulina，Aki；Corander，Jukka；Kaski，Samuel:高维表型的全基因组关联研究（2013）
  19. Yoshida，Hisako；Kawaguchi，Atsushi；Tsuruya，Kazuhiko：用于脑成像数据的径向基函数稀疏偏最小二乘法（2013）
  20. Cao，Kim Anh Lè；Boitard，Simon；Besse，Philippe:稀疏PLS判别分析：多类问题的生物学相关特征选择和图形显示（2011）ioport公司