Участник:EvgSokolov/Сравнение
Материал из MachineLearning.
< Участник:EvgSokolov(Различия между версиями)
Строка 43: | Строка 43: | ||
Виды фоновой поправки: | Виды фоновой поправки: | ||
- | * Глобальная — считается, что все пробы имеют одинаковый фон. | + | * Глобальная — считается, что все пробы на одном чипе имеют одинаковый фон. |
* Локальная — фон каждой пробы оценивается по отдельности. Как правило, это делается с помощью интенсивностей MM-проб. | * Локальная — фон каждой пробы оценивается по отдельности. Как правило, это делается с помощью интенсивностей MM-проб. | ||
Строка 51: | Строка 51: | ||
* glog — обобщенно-логарифмическая, <tex> glog(x) = log\left[ \frac{x + \sqrt{x^2 + c^2}}{2} \right]</tex>, где <tex>c</tex> — параметр. | * glog — обобщенно-логарифмическая, <tex> glog(x) = log\left[ \frac{x + \sqrt{x^2 + c^2}}{2} \right]</tex>, где <tex>c</tex> — параметр. | ||
- | Виды суммаризации: | + | Виды методов суммаризации: |
* Одиночная — используются данные только одного чипа. Примером может служить [[взвешенное среднее Тьюки]] по набору проб, соответствующих одному гену. | * Одиночная — используются данные только одного чипа. Примером может служить [[взвешенное среднее Тьюки]] по набору проб, соответствующих одному гену. | ||
* Множественная — одновременно используются данные нескольких чипов. Пример такого метода — median polish. | * Множественная — одновременно используются данные нескольких чипов. Пример такого метода — median polish. |
Текущая версия
Метод | Фоновая поправка | Шкала | Суммаризация |
---|---|---|---|
vsn | глобальная | glog | множественная |
RMA | глобальная | log | множественная |
gcRMA | локальная | log | множественная |
PLIER | локальная | glog | множественная |
dChip | локальная | lin | множественная |
MAS5 | локальная | log | одиночная |
hook | локальная | glog | одиночная |
Виды фоновой поправки:
- Глобальная — считается, что все пробы на одном чипе имеют одинаковый фон.
- Локальная — фон каждой пробы оценивается по отдельности. Как правило, это делается с помощью интенсивностей MM-проб.
Виды шкал:
- lin — линейная
- log — логарифмическая
- glog — обобщенно-логарифмическая, , где — параметр.
Виды методов суммаризации:
- Одиночная — используются данные только одного чипа. Примером может служить взвешенное среднее Тьюки по набору проб, соответствующих одному гену.
- Множественная — одновременно используются данные нескольких чипов. Пример такого метода — median polish.