Bayesian model accounting for within-class biological variability in Serial Analysis of Gene Expression (SAGE).
Bayesian model accounting for within-class biological variability in Serial Analysis of Gene Expression (SAGE).
复制标题
DOI：
10.1186/1471-2105-5-119
复制
发表时间：
2004-08-31
影响因子：
3
通讯作者：
Pereira CA
中科院分区：
文献类型：
--
作者：
Vêncio RZ;Brentani H;Patrão DF;Pereira CA
基因表达系列分析（SAGE）、“数字北方”或大规模平行签名测序（MPSS）等转录本计数方法的一个重要挑战是进行统计分析，以解释类内变异性，即，由于同一类别的抽样个体之间的内在生物差异而产生的变异性，而不仅仅是由于技术抽样误差而产生的变异性。我们介绍了一个贝叶斯模型，占类内变异的混合分布。我们表明，以前可用的方法聚合池（“伪库”）和β-二项式模型，是混合模型的特殊情况。我们用来自公共数据库的SAGE数据用脑肿瘤与正常比较来说明我们的方法。我们显示的例子标签被认为是差异表达的高显着性，如果类内变异被忽略，但显然不是那么重要，如果一个帐户it. Using有关生物复制的可用信息，可以转换一个列表的候选转录显示差异表达到一个更可靠的。我们的方法是免费的，在GPL/GNU copyleft下，通过用户友好的基于Web的在线工具或作为R语言脚本在补充网站上。
An important challenge for transcript counting methods such as Serial Analysis of Gene Expression (SAGE), "Digital Northern" or Massively Parallel Signature Sequencing (MPSS), is to carry out statistical analyses that account for the within-class variability, i.e., variability due to the intrinsic biological differences among sampled individuals of the same class, and not only variability due to technical sampling error. We introduce a Bayesian model that accounts for the within-class variability by means of mixture distribution. We show that the previously available approaches of aggregation in pools ("pseudo-libraries") and the Beta-Binomial model, are particular cases of the mixture model. We illustrate our method with a brain tumor vs. normal comparison using SAGE data from public databases. We show examples of tags regarded as differentially expressed with high significance if the within-class variability is ignored, but clearly not so significant if one accounts for it. Using available information about biological replicates, one can transform a list of candidate transcripts showing differential expression to a more reliable one. Our method is freely available, under GPL/GNU copyleft, through a user friendly web-based on-line tool or as R language scripts at supplemental web-site.
登录
查看更多内容
影响因子：
4.6
作者：
Romualdi, C;Bortoluzzi, S;Danieli, GA
通讯作者：
Danieli, GA
影响因子：
5.8
作者：
Man, MZ;Wang, XN;Wang, YX
通讯作者：
Wang, YX
DOI：
10.1073/pnas.152324199
发表时间：
2002-08-20
影响因子：
11.1
作者：
Boon, K;Osório, EC;Riggins, GJ
通讯作者：
Riggins, GJ
影响因子：
5.8
作者：
Baggerly, KA;Deng, L;Aldaz, CM
通讯作者：
Aldaz, CM
影响因子：
3.5
作者：
Romualdi, C;Bortoluzzi, S;Danieli, GA
通讯作者：
Danieli, GA