voom: Precision weights unlock linear model analysis tools for RNA-seq read counts.
voom: Precision weights unlock linear model analysis tools for RNA-seq read counts.
复制标题
DOI：
10.1186/gb-2014-15-2-r29
复制
发表时间：
2014-02-03
期刊：
影响因子：
12.3
通讯作者：
Smyth GK
中科院分区：
文献类型：
--
作者：
Law CW;Chen Y;Shi W;Smyth GK
提出了用于分析来自RNA-seq实验的读段计数的新的正态线性建模策略。voom方法估计对数计数的均值-方差关系，为每个观测值生成精度权重，并将其输入到limma经验贝叶斯分析管道中。这为RNA-seq分析师提供了大量为微阵列开发的方法。模拟研究表明，即使数据是根据早期方法的假设生成的，voom的性能也与基于计数的RNA-seq方法一样好或更好。两个案例研究说明了线性建模和基因集测试方法的使用。
New normal linear modeling strategies are presented for analyzing read counts from RNA-seq experiments. The voom method estimates the mean-variance relationship of the log-counts, generates a precision weight for each observation and enters these into the limma empirical Bayes analysis pipeline. This opens access for RNA-seq analysts to a large body of methodology developed for microarrays. Simulation studies show that voom performs as well or better than count-based RNA-seq methods even when the data are generated according to the assumptions of the earlier methods. Two case studies illustrate the use of linear modeling and gene set testing methods.
登录
查看更多内容
影响因子：
12.3
作者：
Gonzàlez-Porta M;Frankish A;Rung J;Harrow J;Brazma A
通讯作者：
Brazma A
影响因子：
3
作者：
Esnaola M;Puig P;Gonzalez D;Castelo R;Gonzalez JR
通讯作者：
Gonzalez JR
影响因子：
12.3
作者：
Gentleman RC;Carey VJ;Bates DM;Bolstad B;Dettling M;Dudoit S;Ellis B;Gautier L;Ge Y;Gentry J;Hornik K;Hothorn T;Huber W;Iacus S;Irizarry R;Leisch F;Li C;Maechler M;Rossini AJ;Sawitzki G;Smith C;Smyth G;Tierney L;Yang JY;Zhang J
通讯作者：
Zhang J
DOI：
10.1515/1544-6115.1826
发表时间：
2012-01-01
影响因子：
0.9
作者：
Lund, Steven P.;Nettleton, Dan;Smyth, Gordon K.
通讯作者：
Smyth, Gordon K.
影响因子：
48
作者：
Cloonan, Nicole;Forrest, Alistair R. R.;Grimmond, Sean M.
通讯作者：
Grimmond, Sean M.