ProbCD：考虑分类不确定性的富集分析
定量方法
2011-11-10 v1 基因组学
摘要
与科学的其他许多领域一样，系统生物学在列联表中广泛使用统计关联和显著性估计，这种分类数据分析在该领域被称为富集分析（也称为过代表分析或增强分析）。尽管人们努力创建概率注释（特别是在基因本体论背景下），或处理基于高通量数据集的不确定性，但当前的富集方法在很大程度上忽略了这些概率信息，因为它们主要基于费希尔精确检验的变体。我们开发了一个开源 R 包 ProbCD 来处理概率分类数据分析，它不需要静态列联表。富集问题的列联表是根据分类概率给出的伯努利方案随机过程的期望构建的。我们创建了一个在线界面，供非程序员使用，网址为：http://xerad.systemsbiology.net/ProbCD/。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。特别是关于富集分析，ProbCD 可以适应：(i) 高通量实验技术的随机性质，以及 (ii) 概率基因注释。
引用
@article{arxiv.0707.1503,
title = {ProbCD: enrichment analysis accounting for categorization uncertainty},
author = {Ricardo Vêncio and Ilya Shmulevich},
journal= {arXiv preprint arXiv:0707.1503},
year = {2011}
}
评论
16 pages, 3 figures, submitted to a journal in the Bioinformatics field