voom: Точностные веса открывают доступ к инструментам анализа на основе линейных моделей для счётных данных RNA-seq
voom: precision weights unlock linear model analysis tools for RNA-seq read counts
2014-02-03
SCID: 54.1/acwsugyq
Discuss with AI
считывания RNA-seqэмпирический байесовский анализ limmaсвязь среднего и дисперсиивеса точностиvoom
Figures from the paper
Abstract (AI)
Представлены новые стратегии нормального линейного моделирования для анализа счётных данных ридов в экспериментах RNA-seq. Метод voom оценивает зависимость «среднее–дисперсия» для логарифмов счётных данных, вычисляет вес точности для каждого наблюдения и включает эти веса в эмпирический байесовский конвейер анализа limma. Это открывает для исследователей, работающих с RNA-seq, доступ к обширному комплексу методик, разработанных для микроматричных данных. Исследования на смоделированных данных показывают, что метод voom работает не хуже, а иногда лучше методов анализа RNA-seq, основанных на счётных данных, даже когда данные генерируются в соответствии с предположениями, лежащими в основе более ранних методов. Два тематических исследования иллюстрируют применение линейного моделирования и методов тестирования наборов генов.
Key Findings
1
Симуляции показывают, что voom работает не хуже или лучше методов RNA-seq, основанных на счётных моделях, включая условия, соответствующие предположениям этих методов.
2
Веса точности позволяют анализировать RNA-seq-данные с помощью линейного моделирования и эмпирического байесовского конвейера limma, а также методов, разработанных для микрочипов.
3
Два тематических исследования демонстрируют применение линейного моделирования и тестирования наборов генов к RNA-seq-экспериментам.
4
Voom оценивает зависимость среднего значения от дисперсии для логарифмированных RNA-seq-счётов и назначает каждому наблюдению вес точности.
Research Object
считывания RNA-seq и соответствующие логарифмически преобразованные измерения экспрессии
Research Subject
зависимости между средним значением и дисперсией, взвешивание по точности и эффективность анализа дифференциальной экспрессии и наборов генов на основе линейных моделей
Publication Details
Publication Date
2014-02-03
Journal
Publisher
ISSN
Cited by
5982
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai6
edgeR: пакет Bioconductor для анализа дифференциальной экспрессии данных цифровой экспрессии генов2009
featureCounts: эффективная универсальная программа для отнесения прочтений последовательностей к геномным признакам2013
Bioconductor: открытая разработка программного обеспечения для вычислительной биологии и биоинформатики2004
Метод масштабной нормализации для анализа дифференциальной экспрессии данных RNA-seq2010
Анализ дифференциальной экспрессии в многофакторных экспериментах RNA-Seq с учетом биологической вариабельности2012
От считываний RNA-seq к результатам дифференциальной экспрессии2010
Работы, цитирующие эту статью12
Умеренная оценка изменения кратности и дисперсии для данных RNA-seq с помощью DESeq22014
limma расширяет возможности анализа дифференциальной экспрессии для исследований RNA-seq и микроматричных данных2015
featureCounts: эффективная универсальная программа для отнесения прочтений последовательностей к геномным признакам2013
Нормализация и стабилизация дисперсии данных одноклеточного RNA-секвенирования с использованием регуляризованной отрицательно-биномиальной регрессии2019
Обзор передовых методов анализа данных RNA-seq2016
iDEP: интегрированное веб-приложение для анализа дифференциальной экспрессии и сигнальных путей по данным RNA-Seq2018
Сколько биологических повторов необходимо в эксперименте RNA-seq и какой инструмент для анализа дифференциальной экспрессии следует использовать?2016
Картирование взаимодействий энхансер–промотор (интерактом) по типам клеток мозга и связь с риском заболеваний2019
Анализ дифференциальной экспрессии методом RNA-Seq: расширенный обзор и программный инструмент2017
Контроль качества, моделирование и визуализация CRISPR-скринингов с помощью MAGeCK-VISPR2015
Транспонируемые элементы, специфичные для гоминоидов, и KZFP способствуют активации эмбрионального генома человека и контролируют транскрипцию в наивных эмбриональных стволовых клетках человека2019
Острая вирусная инфекция ускоряет нейродегенерацию в мышиной модели БАС2026