Участник:EvgSokolov/Песочница

Материал из MachineLearning.

Перейти к: навигация, поиск

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.
Личные инструменты