Data-driven normalization strategies for high-throughput quantitative RT-PCR.
Data-driven normalization strategies for high-throughput quantitative RT-PCR.
复制标题
DOI：
10.1186/1471-2105-10-110
复制
发表时间：
2009-04-19
影响因子：
3
通讯作者：
Quackenbush J
中科院分区：
文献类型：
--
作者：
Mar JC;Kimura Y;Schroder K;Irvine KM;Hayashizaki Y;Suzuki H;Hume D;Quackenbush J
高通量实时定量逆转录酶聚合酶链反应（qPCR）是一种广泛应用于基因表达模式分析的实验技术。当前阶段的技术允许获取中等数量的基因（50到几千），并且这个数字还在继续增长。因此，对基于qpcr的数据使用适当的规范化算法是数据预处理管道的一个非常重要的方面。我们提出并评估了两种数据驱动的规范化方法，它们直接纠正了技术变化，并代表了标准的基于基因的内务管理方法的健壮替代方案。我们评估了这些方法与单基因内务基因方法的性能，我们的结果表明分位数归一化表现最好。这些方法在通过Bioconductor项目分发的免费软件中作为R包qpcrNorm实现。我们描述的方法的效用可以在标准管家基因受某些实验条件调节的情况下得到最清楚的证明。对于基于qpcr的大型数据集，我们的方法代表了稳健的、数据驱动的规范化策略。
High-throughput real-time quantitative reverse transcriptase polymerase chain reaction (qPCR) is a widely used technique in experiments where expression patterns of genes are to be profiled. Current stage technology allows the acquisition of profiles for a moderate number of genes (50 to a few thousand), and this number continues to grow. The use of appropriate normalization algorithms for qPCR-based data is therefore a highly important aspect of the data preprocessing pipeline. We present and evaluate two data-driven normalization methods that directly correct for technical variation and represent robust alternatives to standard housekeeping gene-based approaches. We evaluated the performance of these methods against a single gene housekeeping gene method and our results suggest that quantile normalization performs best. These methods are implemented in freely-available software as an R package qpcrNorm distributed through the Bioconductor project. The utility of the approaches that we describe can be demonstrated most clearly in situations where standard housekeeping genes are regulated by some experimental condition. For large qPCR-based data sets, our approaches represent robust, data-driven strategies for normalization.
登录
查看更多内容
影响因子：
3.7
作者：
Spurgeon SL;Jones RC;Ramakrishnan R
通讯作者：
Ramakrishnan R
影响因子：
4.1
作者：
Thellin, O;Zorzi, W;Heinen, E
通讯作者：
Heinen, E
影响因子：
8.8
作者：
Bustin, SA;Gyselman, VG;Dorudi, S
通讯作者：
Dorudi, S
影响因子：
4.6
作者：
Warrington, JA;Nair, A;Tsyganskaya, M
通讯作者：
Tsyganskaya, M
影响因子：
14.9
作者：
Tseng, GC;Oh, MK;Wong, WH
通讯作者：
Wong, WH