一种具有高度可验证性的微阵列片间校准算

doi:10.3969/j.issn.1007130X.2010.

J4 ›› 2010, Vol. 32 ›› Issue (8): 124-126.doi: 10.3969/j.issn.1007130X.2010.

一种具有高度可验证性的微阵列片间校准算

李非1，伯晓晨2，王升启2，彭宇行1

（1.并行与分布处理国家重点实验室，湖南长沙 410073;2.军事医学科学院放射与辐射医学研究所，北京 100850）

收稿日期:2009-03-04 修回日期:2009-06-19 出版日期:2010-07-25 发布日期:2010-07-28
基金资助:
国家973计划资助项目(2005CB321801)

A Highly Verifiable InterMicroarray Normalization Method

LI Fei1，BO Xiaochen2，WANG Shengqi2，PENG Yuxing1

（1.National Laboratory for Parallel and Distributed Processing,Changsha 410073;
2.Beijing Institute of Radiation Medicine，Beijing 100850,China）

Received:2009-03-04 Revised:2009-06-19 Online:2010-07-25 Published:2010-07-28
About author:李非（1981），男，内蒙古呼和浩特人，博士生，研究方向为分布式计算和生物信息学；伯晓晨,副研究员，研究方向为生物信息学；王升启，教授，博士生导师，研究方向为生物技术；彭宇行，教授，博士生导师，研究方向为分布式计算。

摘要/Abstract

摘要：

由于系统偏差的存在，多微阵列数据之间在进行差异比较分析前，首先需要进行片间校准，使不同微阵列的探针数据处于同一可比较的水平。目前片间校准算法的准确性依赖于看家基因表达水平的不变性，或者探针数据统计分布的稳定性。这些假设条件并非在所有条件下成立，如需要进一步实验验证，其算法的正确性又难以进行实验验证。本文提出一种具有高度实验可验证性的多微阵列数据校准的遗传选择优化方法。基于该方法所得到的优化校准基准子集，可以在仅假设少数看家基因表达水平不变的情况下，在不牺牲校准精度的前提下，完成多微阵列数据的片间校准，从而使得通过实验验证片间校准算法的正确性成为可能。

关键词: 片间校准, 遗传算法, 看家基因

Abstract:

Due to the existence of systematic bias in the measurements, intermicroarray normalization is required before the integration data analysis of multiple microarray datasets. The current intermicroarray normalization methods rely on some assumptions, which rarely can be verified by experiments, such as the invariant expression level of housekeeping genes or the stability of statistical data distribution. In this paper, we present a highly verifiable intermicroarray normalization method using a genetic optimization algorithm, through which only a small number of housekeeping genes are selected as the normalization markers to facilitate experiment validation without any precision lost.

Key words: intermicroarray normalization;genetic algorithm;housekeeping gene

李非1，伯晓晨2，王升启2，彭宇行1. 一种具有高度可验证性的微阵列片间校准算[J]. J4, 2010, 32(8): 124-126.

LI Fei1，BO Xiaochen2，WANG Shengqi2，PENG Yuxing1. A Highly Verifiable InterMicroarray Normalization Method[J]. J4, 2010, 32(8): 124-126.

编辑推荐

Metrics

阅读次数

全文

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	46

来源	本网站	其他网站

次数	37	9
比例	80%	20%

摘要

最新录用	在线预览	正式出版

0	0	33

	来源	本网站

	次数	33
	比例	100%

[1]	彭频, 王欣悦. 基于匮乏理论的应急物资调度模型构建及算法研究[J]. 计算机工程与科学, 2024, 46(11): 2063-2070.
[2]	安园园, 马晓宁. 改进遗传算法与多目标优化模型的航班路径规划[J]. 计算机工程与科学, 2024, 46(09): 1660-1666.
[3]	李成冉, 方佳豪, 尹首一, 魏少军, 胡杨. 基于遗传算法的晶圆级芯片映射算法研究[J]. 计算机工程与科学, 2024, 46(06): 993-1000.
[4]	任晟岐, 宋伟. 基于GGInformer模型的多维时间序列特征提取与预测研究[J]. 计算机工程与科学, 2024, 46(04): 590-598.
[5]	孙睿男, 初翔, 陈昱, 闫明宁. 基于混合启发式算法的快递末端选址路径优化研究[J]. 计算机工程与科学, 2024, 46(01): 159-169.
[6]	郭艺, 何廷年, 李爱斌, 毛君宇. 融合GA-CART和Deep-IRT的知识追踪模型[J]. 计算机工程与科学, 2023, 45(09): 1691-1700.
[7]	毛媛媛, 石恩雅, 蒋从锋, 仇烨亮, 贾刚勇, 万健, 闫龙川. 基于遗传算法的数据中心能效仿真[J]. 计算机工程与科学, 2021, 43(08): 1341-1352.
[8]	胡新荣, 刘嘉文, 刘军平, 彭涛, 何儒汉, . 基于改进GA-BP-MC神经网络的人体三维尺寸预测[J]. 计算机工程与科学, 2021, 43(08): 1443-1453.
[9]	李静, 莫思敏 . 基于改进遗传算法的深度神经网络优化研究[J]. 计算机工程与科学, 2021, 43(08): 1503-1511.
[10]	李晶晶, 许少华. 基于组合核函数的径向基过程神经网络及其在示功图诊断中的应用[J]. 计算机工程与科学, 2021, 43(04): 746-752.
[11]	季子豪, 江凌云. 一种基于遗传算法的多站点协同计算卸载算法[J]. 计算机工程与科学, 2021, 43(03): 426-434.
[12]	贾俊杰, 秦海涛. 基于遗传算法的动态轨迹匿名算法[J]. 计算机工程与科学, 2021, 43(01): 142-150.
[13]	李丹莲, 曹倩, 徐菲. 基于改进遗传算法的连锁便利店配送路径优化[J]. 计算机工程与科学, 2020, 42(11): 2096-2102.
[14]	陈旺虎，田真，张礼智，梁小燕，高雅琼. 基于插值的高维稀疏数据离群点检测方法[J]. 计算机工程与科学, 2020, 42(06): 966-972.
[15]	王硕禾1，刘旭1，李苏晨1，张国驹2. 基于多目标遗传算法的LoRa参数匹配优化[J]. 计算机工程与科学, 2020, 42(03): 434-440.

一种具有高度可验证性的微阵列片间校准算

A Highly Verifiable InterMicroarray Normalization Method

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价