Gene set enrichment analysis made simple.
Gene set enrichment analysis made simple.
复制标题
基因集富集分析变得简单。
DOI：
10.1177/0962280209351908
复制
发表时间：
2009-12
影响因子：
2.3
通讯作者：
Speed TP
中科院分区：
文献类型：
--
作者：
Irizarry RA;Wang C;Zhou Y;Speed TP
在微阵列技术的许多应用中，最流行的应用之一是鉴定在两种条件下差异表达的基因。一种常见的统计方法是用p值量化每个基因的兴趣，调整这些p值用于多重比较，选择适当的截止值，并创建候选基因列表。这种方法被批评为忽视了基因如何协同工作的生物学知识。最近提出了一系列结合生物学知识的方法。然而，这些方法中的许多似乎过于复杂。此外，最流行的方法，基因集富集分析（GSEA），是基于一个统计测试，其缺乏灵敏度。在本文中，我们比较了一个简单的替代GSEA的性能。我们发现，这个简单的解决方案显然优于GSEA。我们用八个不同的微阵列数据集证明了这一点。
Among the many applications of microarray technology, one of the most popular is the identification of genes that are differentially expressed in two conditions. A common statistical approach is to quantify the interest of each gene with a p-value, adjust these p-values for multiple comparisons, chose an appropriate cut-off, and create a list of candidate genes. This approach has been criticized for ignoring biological knowledge regarding how genes work together. Recently a series of methods, that do incorporate biological knowledge, have been proposed. However, many of these methods seem overly complicated. Furthermore, the most popular method, Gene Set Enrichment Analysis (GSEA), is based on a statistical test known for its lack of sensitivity. In this paper we compare the performance of a simple alternative to GSEA. We find that this simple solution clearly outperforms GSEA. We demonstrate this with eight different microarray datasets.
登录
查看更多内容
DOI：
10.1111/1467-9868.00346
发表时间：
2002-01-01
影响因子：
5.8
作者：
Storey, JD
通讯作者：
Storey, JD
影响因子：
3
作者：
Kim, SY;Volsky, DJ
通讯作者：
Volsky, DJ
DOI：
10.1073/pnas.0506577102
发表时间：
2005-09-20
影响因子：
11.1
作者：
Tian, L;Greenberg, SA;Park, PJ
通讯作者：
Park, PJ
影响因子：
3
作者：
Lee HK;Braynen W;Keshav K;Pavlidis P
通讯作者：
Pavlidis P
影响因子：
5.7
作者：
Dudoit, S;Shaffer, JP;Boldrick, JC
通讯作者：
Boldrick, JC