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.
 

