DIME (Differential Identification using Mixtures Ensemble)
Een robuuste differentiële identificatiemethode die een ensemble van eindige mengselmodellen beschouwt in combinatie met een lokale false discovery rate (fdr) voor het analyseren van ChIP-seq data waarbij twee monsters met elkaar worden vergeleken. Dit pakket kan ook worden gebruikt om differentiële in andere high throughput data te identificeren, zoals microarray, methylering enz. Na normalisatie wordt een Exponentieel-Normaal(k) of een Uniform-Normaal(k) mengsel op de data gefitted. De (k)-normale component kan ofwel differentiële regio’s ofwel niet-differentiële regio’s vertegenwoordigen, afhankelijk van hun locatie en spreiding. De (k)-normale component kan zowel differentiële regio’s als niet-differentiële regio’s vertegenwoordigen, afhankelijk van hun locatie en spreiding. De (k)-normale component vertegenwoordigt differentiële regio’s. De lokale (fdr) worden berekend op basis van het gepaste model:
- Gebruik makend van ensemble van mengselmodellen waardoor gegevens nauwkeurig & efficiënt kunnen worden weergegeven. Dan twee-fase selectie zorgen voor de selectie van het beste algemene model.
- Deze methode kan worden gebruikt als een algemeen programma om een mengsel van uniform-normale of uniform-k-normale of exponentiele-k-normale