DOC《BRB-ArrayTools》

A:Average,A = 1/2*(log2(Green) + log2(Red),用对数比值对红绿两通道的均值作图,是一种在芯片数据分析中常用的散点图,可用来显示芯片数据的强度依赖性Dudoit et al. Statistica Sinica (2002) 12:111),还会在图中添加一条所有散点的趋势线.对于单通道数据,可绘制基于任意两实验间对数信号强度的可点击散点图.所有基因(或任意一部分制定基因)可被绘制,并生成指向GenBank、NetAffy和其它基因组数据库的超链接. 绘制 表型对表型 散点图 ArrayTools可以绘制基于所有基因或部分指定基因在表型间平均表达量的可点击散点图.如果指定了多于两类表型,则所有两两表型间的情况均会被绘制,并生成指向GenBank、NetAffy和其它基因组数据库的超链接. 基因层次聚类分析 ArrayTools可以绘制所有基因的彩色层次聚类树状图.对于每个聚类树中的基因会生成超链接并绘制一幅聚类树中基因表达量的中位数对不同实验的彩色线图.实验聚类独立于基因聚类.基因聚类树可被保存以用于之后的分析,聚类分析可在全部基因(或由用户指定的部分基因/实验子集)上进行. 实验层次聚类分析 绘制聚类树状图,并且根据给定的分支计算用于判定聚类好坏的统计学度量.聚类分析可在全部基因(或由用户指定的部分基因/实验子集)上进行. 集成的Cluster 3.0和TreeView接口 聚类分析还可以通过Cluster 3.0和TreeView这两款由Stanford实验室开发的软件进行,目前仅限于学术、政府和非赢利目的用户. 多维尺度化样本 ArrayTools可以生成可点击并旋转的三维散点图,其中每个点代表一个样本,点之间的距离与其所代表的表达量差异成正比.如果用户安装有PowerPoint,还可以把三维散点图幻灯片在其它电脑间交换,如果要求可点击,则其它电脑上必须安装有ArrayTools的3.0以上版本. 聚类的显著性检验 在聚类分析时,可用欧式距离或相关系数进行统计学显著性检验.该项在多维尺度化工具中亦可选. 分类比较 使用单参数或非参数检验方法来寻找两组或多组不同表型之间差异表达的基因.可用于单、双通道实验数据,配对样本同样适用.输出结果包括显著基因并生成指向NCI、GenBank、NetAffy和其它基因组数据库的超链接.参数检验包括t/F检验和随机方差t/F检验,后者能够在没有假定所有基因拥有同样方差的情况下给出更为精确的针对特定基因的方差估计.确定一个基因 显著 的标准包括p值小于某一阈值或假阳性数/率小于指定值,其中,后者需要进行多元列置换检验.该工具还包括一个可用于分析随机区块设计实验的选项(即在实验设计时还考虑另外一个协变量的影响,例如性别). 分类预测 ArrayTools可以构建基于表达量水平的表型分类器,共含六种:混合协变量预测、对角线性判别、k-近邻(k取1或3)、最近邻质心法和支持向量机.其中,混合协变量预测和支持向量机仅适用于两类样本的分类,而对角线性判别、k-近邻(k取1或3)和最近邻质心法可用于多于两类样本的分类.交叉验证错误率通过列置换进行,以给出错误率是否小于随机情况.以上分析亦可用于配对样本.某个基因是否被选入分类器的标准是其p值是否小于指定阈值. 二叉树预测 该算法会根据不同表型的表达量创建一棵二叉分类树,树中的每个节点都可以对实验的表型进行分类,而树的结构则会根据交叉验证时的最小错误率进行优化.二叉树的预测基于上述六种方法之一(混合协变量预测、对角线性判别、k-近邻(k取1或3)、最近邻质心法和支持向量机).与之前的分类预测不同,这里的混合协变量预测和支持向量机可以被用来分类多于两类表型的样本.其它选项则与分类预测工具相同.输出结果包含对二叉树的描述和总体交叉验证错误率(如果用户要求).对于树中的每个节点则会给出交叉验证的错误率和构成分类器的基因列表.该列表中还包括参数检验的p值、基因在交叉验证时的支持度和指向GenBank、NetAffy及其它基因组数据库的超链接. 生存分析 ArrayTools使用Cox回归模型来发现与生存时间相关的基因.输出结果包含结果呈 显著 的基因列表和指向GenBank、NetAffy等其它基因组数据库的超链接.入选基因的标准与分类比较相同. 数量性状分析 把基因表达量与样本的数量形状进行关联,使用Spearman或者Pearson关联测试.输出包括经检验结果呈显著的基因列表和指向GenBank、NetAffy等其它基因组数据库的超链接.入选基因的标准与分类比较相同. GO比较工具 使用GO数据库而非单个基因对不同表型分类进行比较,并给出经检验后包含差异表达基因数大于随机期望数的GO类别.LS和KS测试被用于生成选........