DEclust: A statistical approach for obtaining differential expression profiles of multiple conditions.
DEclust: A statistical approach for obtaining differential expression profiles of multiple conditions.
复制标题
DOI：
10.1371/journal.pone.0188285
复制
发表时间：
2017
期刊：
影响因子：
3.7
通讯作者：
Sakakibara Y
中科院分区：
文献类型：
--
作者：
Aoto Y;Hachiya T;Okumura K;Hase S;Sato K;Wakabayashi Y;Sakakibara Y
高通量RNA测序技术被广泛用于全面检测和定量细胞基因表达。因此，已经提出了许多分析方法来识别配对样品（如肿瘤和对照样品）之间的差异表达基因（DEG），但很少有研究报道了在多种条件下分析差异表达的方法。我们提出了一种新的方法，DESIGN，用于不同组织或条件下两个以上匹配样本之间的差异表达分析。与传统的聚类方法相比，DESIGN更准确地从多条件转录组数据中提取统计学显著的基因簇，特别是当定量实验重复可用时。DESIGN可用于任何多条件转录组数据，以及用于将配对样品的任何DEG检测工具扩展到多个样品。因此，DESIGN可用于转录组数据分析的广泛应用。DESTRUCTION可在http://www.dna.bio.keio.ac.jp/software/DEclust上免费获得。
High-throughput RNA sequencing technology is widely used to comprehensively detect and quantify cellular gene expression. Thus, numerous analytical methods have been proposed for identifying differentially expressed genes (DEGs) between paired samples such as tumor and control specimens, but few studies have reported methods for analyzing differential expression under multiple conditions. We propose a novel method, DEclust, for differential expression analysis among more than two matched samples from distinct tissues or conditions. As compared to conventional clustering methods, DEclust more accurately extracts statistically significant gene clusters from multi-conditional transcriptome data, particularly when replicates of quantitative experiments are available. DEclust can be used for any multi-conditional transcriptome data, as well as for extending any DEG detection tool for paired samples to multiple samples. Accordingly, DEclust can be used for a wide range of applications for transcriptome data analysis. DEclust is freely available at http://www.dna.bio.keio.ac.jp/software/DEclust.
登录
查看更多内容
DOI：
10.1093/bioinformatics/btu638
发表时间：
2015-01-15
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Anders S;Pyl PT;Huber W
通讯作者：
Huber W
影响因子：
48
作者：
Langmead, Ben;Salzberg, Steven L.
通讯作者：
Salzberg, Steven L.
影响因子：
64.8
作者：
Greaves, Mel;Maley, Carlo C.
通讯作者：
Maley, Carlo C.
DOI：
10.1111/j.2517-6161.1995.tb02031.x
发表时间：
1995-01-01
影响因子：
5.8
作者：
BENJAMINI, Y;HOCHBERG, Y
通讯作者：
HOCHBERG, Y
影响因子：
3.7
作者：
WARD, JH
通讯作者：
WARD, JH