Power calculator for detecting allelic imbalance using hierarchical Bayesian model.
Power calculator for detecting allelic imbalance using hierarchical Bayesian model.
复制标题
DOI：
10.1186/s13104-021-05851-x
复制
发表时间：
2021-11-27
影响因子：
1.8
通讯作者：
Marroni F
中科院分区：
文献类型：
--
作者：
Sherbina K;León-Novelo LG;Nuzhdin SV;McIntyre LM;Marroni F
等位基因不平衡是两个等位基因在二倍体中的差异表达。人工智能可能会因组织、治疗和环境而异。已有测试AI的方法，但需要方法来估计用于检测AI的I类误差和功率以及AI在条件之间的差异。随着这项技术的成本大幅下降，哪个更重要：读取还是复制？我们发现，在 >； 功率为80%的情况下，需要在12个、5个和3个重复中平均分配至少2,400、480和240个等位基因特异性读数，才能分别检测10%、20%和30%的等位基因平衡偏差。至少需要在8个重复中平均分配960和240个等位基因特异性读数，才能检测到具有类似功率的条件之间AI的20%或30%的差异。在不影响类型I错误的情况下，较高的重复次数比增加覆盖更能增加功率。我们提供了一个Python包，它可以模拟人工智能场景，并使个人能够估计第一类错误和检测人工智能的能力以及条件之间的人工智能差异。网上版载有补充材料，可在10.1186/s13104-021-05851-x查阅。
Allelic imbalance (AI) is the differential expression of the two alleles in a diploid. AI can vary between tissues, treatments, and environments. Methods for testing AI exist, but methods are needed to estimate type I error and power for detecting AI and difference of AI between conditions. As the costs of the technology plummet, what is more important: reads or replicates? We find that a minimum of 2400, 480, and 240 allele specific reads divided equally among 12, 5, and 3 replicates is needed to detect a 10, 20, and 30%, respectively, deviation from allelic balance in a condition with power > 80%. A minimum of 960 and 240 allele specific reads divided equally among 8 replicates is needed to detect a 20 or 30% difference in AI between conditions with comparable power. Higher numbers of replicates increase power more than adding coverage without affecting type I error. We provide a Python package that enables simulation of AI scenarios and enables individuals to estimate type I error and power in detecting AI and differences in AI between conditions. The online version contains supplementary material available at 10.1186/s13104-021-05851-x.
登录
查看更多内容
影响因子：
4.9
作者：
Fontanillas P;Landry CR;Wittkopp PJ;Russ C;Gruber JD;Nusbaum C;Hartl DL
通讯作者：
Hartl DL
DOI：
10.1073/pnas.1820513116
发表时间：
2019-03-19
影响因子：
11.1
作者：
Shao, Lin;Xing, Feng;Zhang, Qifa
通讯作者：
Zhang, Qifa
影响因子：
7.7
作者：
Pandey RV;Franssen SU;Futschik A;Schlötterer C
通讯作者：
Schlötterer C
影响因子：
12.3
作者：
Castel SE;Levy-Moonshine A;Mohammadi P;Banks E;Lappalainen T
通讯作者：
Lappalainen T
影响因子：
10.7
作者：
Graze, R. M.;Novelo, L. L.;McIntyre, L. M.
通讯作者：
McIntyre, L. M.