DIME (Differential Identification using Mixtures Ensemble)
Eine robuste differentielle Identifizierungsmethode, die ein Ensemble von endlichen Mischungsmodellen in Kombination mit einer lokalen Falschentdeckungsrate (fdr) für die Analyse von ChIP-seq-Daten zum Vergleich zweier Proben berücksichtigt. Dieses Paket kann auch zur Identifizierung von Differentialen in anderen Hochdurchsatzdaten wie Microarray, Methylierung usw. verwendet werden. Nach der Normalisierung wird eine Exponential-Normal(k)- oder eine Uniform-Normal(k)-Mischung an die Daten angepasst. Die (k)-normale Komponente kann entweder differentielle Regionen oder nicht-differentielle Regionen darstellen, je nach ihrer Lage und Ausbreitung. Die Exponential- oder Uniformkomponente repräsentiert differentielle Bereiche. lokale (fdr) werden aus dem angepassten Modell berechnet. einzigartige Merkmale des Pakets:
- Die Verwendung eines Ensembles von Mischmodellen ermöglicht eine genaue & effiziente Darstellung der Daten. Die zweistufige Auswahl gewährleistet dann die Auswahl des besten Gesamtmodells.
- Diese Methode kann als allgemeines Programm verwendet werden, um eine Mischung aus gleichmäßig-normal oder gleichmäßig-k-normal oder exponentiell-k-normal
anzupassen.