variancePartition: interpreting drivers of variation in complex gene expression studies.
variancePartition: interpreting drivers of variation in complex gene expression studies.
复制标题
DOI：
10.1186/s12859-016-1323-z
复制
发表时间：
2016-11-25
影响因子：
3
通讯作者：
Schadt EE
中科院分区：
文献类型：
--
作者：
Hoffman GE;Schadt EE
随着对具有多种生物和技术变异来源的基因表达的大规模研究被广泛采用，表征这些变异驱动因素对于理解疾病生物学和调控遗传学变得至关重要。我们描述了一个统计和可视化框架，方差分区，优先考虑的驱动程序的变化的基础上全基因组的总结，并确定基因偏离全基因组的趋势。使用线性混合模型，variancePartition量化归因于疾病状态、性别、细胞或组织类型、血统、遗传背景、实验刺激或技术变量的差异的每个表达性状的变化。对四个大规模转录组分析数据集的分析表明，variancePartition恢复了在多个数据集上可重复的生物和技术变异的惊人模式。我们的开源软件variancePartition能够快速解释复杂的基因表达研究以及其他高通量基因组学分析。variancePartition可从Bioconductor：http://bioconductor.org/packages/variancePartition获得。本文的在线版本（doi：10.1186/s12859-016-1323-z）包含补充材料，可供授权用户使用。
As large-scale studies of gene expression with multiple sources of biological and technical variation become widely adopted, characterizing these drivers of variation becomes essential to understanding disease biology and regulatory genetics. We describe a statistical and visualization framework, variancePartition, to prioritize drivers of variation based on a genome-wide summary, and identify genes that deviate from the genome-wide trend. Using a linear mixed model, variancePartition quantifies variation in each expression trait attributable to differences in disease status, sex, cell or tissue type, ancestry, genetic background, experimental stimulus, or technical variables. Analysis of four large-scale transcriptome profiling datasets illustrates that variancePartition recovers striking patterns of biological and technical variation that are reproducible across multiple datasets. Our open source software, variancePartition, enables rapid interpretation of complex gene expression studies as well as other high-throughput genomics assays. variancePartition is available from Bioconductor: http://bioconductor.org/packages/variancePartition. The online version of this article (doi:10.1186/s12859-016-1323-z) contains supplementary material, which is available to authorized users.
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：
46.9
作者：
Patro, Rob;Mount, Stephen M.;Kingsford, Carl
通讯作者：
Kingsford, Carl
影响因子：
64.8
作者：
通讯作者：
--
影响因子：
10
作者：
Nakagawa, Shinichi;Schielzeth, Holger
通讯作者：
Schielzeth, Holger
DOI：
10.1073/pnas.97.18.10101
发表时间：
2000-08-29
影响因子：
11.1
作者：
Alter, O;Brown, PO;Botstein, D
通讯作者：
Botstein, D