Statistical methods for ranking differentially expressed genes.
Statistical methods for ranking differentially expressed genes.
复制标题
DOI：
10.1186/gb-2003-4-6-r41
复制
发表时间：
2003
期刊：
影响因子：
12.3
通讯作者：
Broberg P
中科院分区：
文献类型：
--
作者：
Broberg P
概述了一种方法，用于找到一个最佳的检验统计量，从微阵列数据的差异表达基因的排名。在微阵列数据的分析中，差异表达的鉴定是至关重要的。在这里，我概述了一种方法，找到一个最佳的检验统计量，排名基因的差异表达。该方法的测试表明，它允许生成几乎没有假阳性和假阴性的顶级基因列表。假阴性和假阳性率的估计是该方法的核心。
A method is outlined for finding an optimal test statistic with which to rank genes from microarray data with respect to differential expression. In the analysis of microarray data the identification of differential expression is paramount. Here I outline a method for finding an optimal test statistic with which to rank genes with respect to differential expression. Tests of the method show that it allows generation of top gene lists that give few false positives and few false negatives. Estimation of the false-negative as well as the false-positive rate lies at the heart of the method.
登录
查看更多内容
DOI：
10.1073/pnas.011404098
发表时间：
2001-01-02
影响因子：
11.1
作者：
Li, C;Wong, WH
通讯作者：
Wong, WH
影响因子：
5.8
作者：
Tsodikov, A;Szabo, A;Jones, D
通讯作者：
Jones, D
影响因子：
56.9
作者：
Golub, TR;Slonim, DK;Lander, ES
通讯作者：
Lander, ES
DOI：
10.1073/pnas.091062498
发表时间：
2001-04-24
影响因子：
11.1
作者：
Tusher, VG;Tibshirani, R;Chu, G
通讯作者：
Chu, G
影响因子：
1.7
作者：
Newton, MA;Kendziorski, CM;Tsui, KW
通讯作者：
Tsui, KW