Участник:EvgSokolov/Сравнение

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
Строка 4: Строка 4:
! Фоновая поправка
! Фоновая поправка
! Шкала
! Шкала
-
! Число чипов
+
! Суммаризация
|-
|-
! vsn
! vsn
| глобальная
| глобальная
| glog
| glog
-
| несколько
+
| множественная
|-
|-
! RMA
! RMA
| глобальная
| глобальная
| log
| log
-
| несколько
+
| множественная
|-
|-
! gcRMA
! gcRMA
| локальная
| локальная
| log
| log
-
| несколько
+
| множественная
|-
|-
! PLIER
! PLIER
| локальная
| локальная
| glog
| glog
-
| несколько
+
| множественная
|-
|-
! dChip
! dChip
| локальная
| локальная
-
| линейная
+
| lin
-
| несколько
+
| множественная
|-
|-
! MAS5
! MAS5
| локальная
| локальная
| log
| log
-
| один
+
| одиночная
|-
|-
! hook
! hook
| локальная
| локальная
| glog
| glog
-
| один
+
| одиночная
|}
|}
 +
 +
Виды фоновой поправки:
 +
* Глобальная — считается, что все пробы 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, <tex> glog(x) = log\left[ \frac{x + \sqrt{x^2 + c^2}}{2} \right]</tex>, где <tex>c</tex> — параметр.
 +
 +
Виды 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.

Версия 09:58, 20 октября 2011

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 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, glog(x) = log\left[ \frac{x + \sqrt{x^2 + c^2}}{2} \right], где c — параметр.

Виды 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.
Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%A3%D1%87%D0%B0%D1%81%D1%82%D0%BD%D0%B8%D0%BA:EvgSokolov/%D0%A1%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B5»
Личные инструменты