Extracting binary signals from microarray time-course data.
Extracting binary signals from microarray time-course data.
复制标题
从微阵列时程数据中提取二进制信号。
DOI：
10.1093/nar/gkm284
复制
发表时间：
2007
影响因子：
14.9
通讯作者：
Plevritis SK
中科院分区：
文献类型：
--
作者：
Sahoo D;Dill DL;Tibshirani R;Plevritis SK
本文提出了一种分析微阵列时间过程的新方法，通过识别在表达水平上发生突变的基因，以及突变发生的时间。该算法将每个基因的表达水平序列与在两个表达水平之间具有一个或两个转换的时间模式相匹配。该算法报告每个基因匹配模式的p值，并且还可以计算全局错误发现率。匹配完成后，可以根据过渡的方向和时间对基因进行排序。基因可以根据变化的方向和时间划分成集合，以便进一步分析，例如与Gene Ontology注释或结合位点基序进行比较。通过仿真和实际时程数据对该方法进行了验证。在芽殖酵母的微阵列数据中，我们发现在相似的时间以相似的方式变化的基因组具有显著的相关的基因本体注释。
This article presents a new method for analyzing microarray time courses by identifying genes that undergo abrupt transitions in expression level, and the time at which the transitions occur. The algorithm matches the sequence of expression levels for each gene against temporal patterns having one or two transitions between two expression levels. The algorithm reports a P-value for the matching pattern of each gene, and a global false discovery rate can also be computed. After matching, genes can be sorted by the direction and time of transitions. Genes can be partitioned into sets based on the direction and time of change for further analysis, such as comparison with Gene Ontology annotations or binding site motifs. The method is evaluated on simulated and actual time-course data. On microarray data for budding yeast, it is shown that the groups of genes that change in similar ways and at similar times have significant and relevant Gene Ontology annotations.
登录
查看更多内容
影响因子：
5.8
作者：
Sásik, R;Iranfar, N;Loomis, WF
通讯作者：
Loomis, WF
影响因子：
9.8
作者：
Chang HY;Sneddon JB;Alizadeh AA;Sood R;West RB;Montgomery K;Chi JT;van de Rijn M;Botstein D;Brown PO
通讯作者：
Brown PO
DOI：
10.1073/pnas.1732547100
发表时间：
2003-09-02
影响因子：
11.1
作者：
Bar-Joseph, Z;Gerber, G;Jaakkola, TS
通讯作者：
Jaakkola, TS
DOI：
10.1073/pnas.132656399
发表时间：
2002-07-09
影响因子：
11.1
作者：
Ramoni, MF;Sebatiani, P;Kohane, IS
通讯作者：
Kohane, IS
影响因子：
2.1
作者：
Leng, Xiaoyan;Mueller, Hans-Georg
通讯作者：
Mueller, Hans-Georg