SASqPCR: robust and rapid analysis of RT-qPCR data in SAS.
SASqPCR: robust and rapid analysis of RT-qPCR data in SAS.
复制标题
DOI：
10.1371/journal.pone.0029788
复制
发表时间：
2012
期刊：
影响因子：
3.7
通讯作者：
Ling D
中科院分区：
文献类型：
--
作者：
Ling D
逆转录定量实时PCR（RT-qPCR）是测量相对基因表达的关键方法。RT-qPCR数据的分析需要许多迭代计算以进行数据归一化和分析优化。目前没有用于RT-qPCR数据分析的计算机程序适合于基于数据质量、实验设计以及特定研究目的的分析优化和用户可控定制。在这里，我介绍了一个一体化的计算机程序，SASqPCR，在SAS中的RT-qPCR数据的强大和快速的分析。该程序具有多个宏，用于评估PCR效率、验证参考基因、优化数据标准化器、标准化样本间的混淆变异以及统计比较平行样本中的靶基因表达。用户可以简单地改变宏观变量来测试各种分析策略，优化结果和定制分析过程。此外，它是高度自动化和功能可扩展的。因此，用户是控制RT-qPCR数据分析的实际决策者。SASqPCR及其教程可在http://code.google.com/p/sasqpcr/downloads/list上免费获得。
Reverse transcription quantitative real-time PCR (RT-qPCR) is a key method for measurement of relative gene expression. Analysis of RT-qPCR data requires many iterative computations for data normalization and analytical optimization. Currently no computer program for RT-qPCR data analysis is suitable for analytical optimization and user-controllable customization based on data quality, experimental design as well as specific research aims. Here I introduce an all-in-one computer program, SASqPCR, for robust and rapid analysis of RT-qPCR data in SAS. This program has multiple macros for assessment of PCR efficiencies, validation of reference genes, optimization of data normalizers, normalization of confounding variations across samples, and statistical comparison of target gene expression in parallel samples. Users can simply change the macro variables to test various analytical strategies, optimize results and customize the analytical processes. In addition, it is highly automatic and functionally extendable. Thus users are the actual decision-makers controlling RT-qPCR data analyses. SASqPCR and its tutorial are freely available at http://code.google.com/p/sasqpcr/downloads/list.
登录
查看更多内容
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：
14.8
作者：
Nolan, Tania;Hands, Rebecca E.;Bustin, Stephen A.
通讯作者：
Bustin, Stephen A.
影响因子：
4.4
作者：
Hruz T;Wyss M;Docquier M;Pfaffl MW;Masanetz S;Borghi L;Verbrugghe P;Kalaydjieva L;Bleuler S;Laule O;Descombes P;Gruissem W;Zimmermann P
通讯作者：
Zimmermann P
影响因子：
3.7
作者：
Ling, Daijun;Song, Ho-Juhn;Garza, Dan;Neufeld, Thomas P.;Salvaterra, Paul M.
通讯作者：
Salvaterra, Paul M.
影响因子：
3.7
作者：
Ling D;Salvaterra PM
通讯作者：
Salvaterra PM