Probabilistic mixture regression models for alignment of LC-MS data.
Probabilistic mixture regression models for alignment of LC-MS data.
复制标题
用于对齐 LC-MS 数据的概率混合回归模型。
DOI：
10.1109/tcbb.2010.88
复制
发表时间：
2011
期刊：
影响因子：
--
通讯作者：
Ressom,HabtomW
中科院分区：
文献类型：
--
作者：
Befekadu,GetachewK;Tadesse,MahletG;Tsai,Tsung-Heng;Ressom,HabtomW
提出了一种新颖的概率混合回归模型 (PMRM) 框架，用于对齐液相色谱-质谱 (LC-MS) 数据与保留时间 (RT) 点。期望最大化算法用于估计基于样条的混合回归模型和先验变换密度模型的联合参数。后者解释了 RT 点和峰值强度的变化。通过三个数据集证明了 PMRM 对 LC-MS 数据比对的适用性。在重复 LC-MS 运行的系数变化和检测差异丰度肽/蛋白质的准确性方面，将 PMRM 的性能与其他比对方法（包括动态时间扭曲、相关性优化扭曲和连续剖面模型）进行了比较。
A novel framework of a probabilistic mixture regression model (PMRM) is presented for alignment of liquid chromatography-mass spectrometry (LC-MS) data with respect to retention time (RT) points. The expectation maximization algorithm is used to estimate the joint parameters of spline-based mixture regression models and prior transformation density models. The latter accounts for the variability in RT points and peak intensities. The applicability of PMRM for alignment of LC-MS data is demonstrated through three data sets. The performance of PMRM is compared with other alignment approaches including dynamic time warping, correlation optimized warping, and continuous profile model in terms of coefficient variation of replicate LC-MS runs and accuracy in detecting differentially abundant peptides/proteins.
关于连续分布的有限混合的成分数量的估计
影响因子：
1
作者：
J. Henna
通讯作者：
J. Henna
影响因子：
5.8
作者：
Fischer, Bernd;Grossmann, Jonas;Buhmann, Joachim M.
通讯作者：
Buhmann, Joachim M.
DOI：
10.1111/j.2517-6161.1977.tb01600.x
发表时间：
1977-01-01
期刊：
JOURNAL OF THE ROYAL STATISTICAL SOCIETY SERIES B-METHODOLOGICAL
影响因子：
--
作者：
DEMPSTER, AP;LAIRD, NM;RUBIN, DB
通讯作者：
RUBIN, DB