Michael E.Wall、Patricia A.Dyck、Thomas S.Brettin、SVDMAN——角值分解分析微阵列数据,生物信息学,第17卷第6期,2001年6月,第566-568页,https://doi.org/10.1093/bioinformatics/17.6.566
摘要:我们为奇异值开发了两种新方法微阵列数据的价值分解分析(SVD)。第一个是基于阈值的基因群获取方法,第二种方法是获得SVD分析置信度的方法。基因群是通过识别左奇异元的元素获得的数量较大的载体或基因系数载体超过阈值\(西北^{{-}1/2}\),其中\(否)是基因数量,以及\(W \)是其默认值的权重因子值为3。这些组是非决定性的,可能包含以下基因相反(即反向相关)的监管反应。这个通过系统地删除数据集,将简化数据集的SVD插值为重建缺失的分析,并计算皮尔逊重建分析与原始数据之间的相关性。该置信度适用于每次实验分析对应于可以插值的参数值,例如时间、剂量或浓度。分组方法和算法在一个名为SVD微阵列分析(SVDMAN)。除了计算SVD对于一般分析,SVDMAN为使用微阵列数据,为基因关联和提供了对假设的置信度度量,从而扩展了全球基因表达领域的SVD研究现状分析。
可利用性:ftp://bpublic.lanl.gov/compbio/software软件
联系人:brettin@lanl.gov
补充的信息:http://home.lanl.gov/svdman
通信对象演说。
登录或创建帐户
此PDF仅供订阅者使用
要完全访问此pdf,请登录现有帐户,或购买年度订阅。