DIME (Differential Identification using Mixtures Ensemble)
Un metodo robusto di identificazione differenziale che considera un ensemble di modelli a miscela finita combinato con un false discovery rate (fdr) locale per analizzare i dati ChIP-seq confrontando due campioni. Questo pacchetto può anche essere usato per identificare il differenziale in altri dati ad alta produttività come microarray, metilazione, ecc. Dopo la normalizzazione, una miscela esponenziale-normale (k) o una miscela uniforme-normale (k) viene applicata ai dati. La componente (k)-normale può rappresentare sia le regioni differenziali che quelle non differenziali a seconda della loro posizione e diffusione. L’esponenziale o l’uniforme rappresentano siti differenziali. locali (fdr) sono calcolati dal modello montato:
- Utilizzo di un insieme di modelli di miscela che permettono ai dati di essere accuratamente & rappresentati in modo efficiente. Poi la selezione a due fasi assicura la selezione del miglior modello complessivo.
- Questo metodo può essere usato come un programma generale per adattare una miscela di uniforme-normale o uniforme-k-normale o esponenziale-k-normale