Участник:EvgSokolov/Песочница

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
Строка 1: Строка 1:
 +
== fRMA (Frozen Robust Multi-Array Analysis) ==
 +
Рассматривается следующая модель уровня экспрессии:
 +
 +
::<tex> Y_{ijkn} = \theta_{in} + \phi_{jn} + \gamma_{jkn} + \epsilon_{ijkn} </tex>
 +
 +
Здесь используются следующие обозначения:
 +
 +
::<tex>k</tex> — номер партии микрочипов <tex> k \in 1, \dots, K </tex>. Говорят, что два чипа принадлежат одной партии, если эксперименты с ними были проведены в одной лаборатории в одно и то же время.
 +
::<tex>i</tex> — номер микрочипа <tex> i \in 1, \dots, I_k </tex>.
 +
::<tex>n</tex> — номер набора проб <tex> n \in 1, \dots, N </tex>. Также через <tex>n</tex> мы будем обозначать номер гена, соответствующего <tex>n</tex>-му набору проб.
 +
::<tex>j</tex> — номер пробы <tex> i \in 1, \dots, J_n </tex>.
 +
::<tex>Y_{ijkn}</tex> — предобработанная (с вычтенным фоном и нормализованная) логарифмированная интенсивность пробы <tex>j</tex> из набора проб <tex>n</tex> микрочипа <tex>i</tex> из партии микрочипов <tex>k</tex>.
 +
::<tex>\theta_{in}</tex> — экспрессия гена <tex>n</tex> на <tex>i</tex>-м микрочипе.
 +
::<tex>\phi_{jn}</tex> — коэффициент сродства пробы <tex>j</tex> гену <tex>n</tex>.
 +
::<tex>\gamma_{jkn}</tex> — величина, отвечающая за разницу интенсивностей между разными партиями проб.
 +
::<tex>\epsilon_{ijkn}</tex> — случайная ошибка с нулевым средним.

Версия 15:17, 22 октября 2011

fRMA (Frozen Robust Multi-Array Analysis)

Рассматривается следующая модель уровня экспрессии:

Y_{ijkn} = \theta_{in} + \phi_{jn} + \gamma_{jkn} + \epsilon_{ijkn}

Здесь используются следующие обозначения:

k — номер партии микрочипов k \in 1, \dots, K . Говорят, что два чипа принадлежат одной партии, если эксперименты с ними были проведены в одной лаборатории в одно и то же время.
i — номер микрочипа i \in 1, \dots, I_k .
n — номер набора проб n \in 1, \dots, N . Также через n мы будем обозначать номер гена, соответствующего n-му набору проб.
j — номер пробы i \in 1, \dots, J_n .
Y_{ijkn} — предобработанная (с вычтенным фоном и нормализованная) логарифмированная интенсивность пробы j из набора проб n микрочипа i из партии микрочипов k.
\theta_{in} — экспрессия гена n на i-м микрочипе.
\phi_{jn} — коэффициент сродства пробы j гену n.
\gamma_{jkn} — величина, отвечающая за разницу интенсивностей между разными партиями проб.
\epsilon_{ijkn} — случайная ошибка с нулевым средним.
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%9F%D0%B5%D1%81%D0%BE%D1%87%D0%BD%D0%B8%D1%86%D0%B0»
Личные инструменты