彪马

微阵列分析中的传播不确定性

大多数Affymetrix基因芯片数据的分析都是基于表达水平的点估计，而忽略了这种估计的不确定性。通过将不确定性传播到下游分析，我们可以改进微阵列分析的结果。puma包首次为普通用户提供了一套不确定性传播方法。与以前可用的不确定性传播方法相比，Puma还在范围和执行速度方面提供了改进。包括摘要，差分表达式检测，聚类和PCA方法，以及有用的绘图和数据操作功能。

作者	Richard D. Pearson，刘学军，Magnus Rattray, Marta Milo, Neil D. Lawrence, Guido Sanguinetti
维护人员	理查德·皮尔森

要安装这个包，启动R并输入:

源(“//www.anjoumacpherson.com/biocLite.R”)biocLite(“彪马”)

小插曲(文档)

包下载

puma.pdf

源	puma_1.6.0.tar.gz
Windows二进制	puma_1.6.0.zip
OS X二进制文件	puma_1.6.0.tgz

细节

biocViews	微阵列，OneChannel，预处理，统计数据，DifferentialExpression，聚类
取决于	R, Biobase, affy, limma, annotate, ROCR
建议	pumadata、雪
进口
SystemRequirements
许可证	LGPL不包括donlp2
URL	http://umber.sbs.man.ac.uk/resources/puma
dependsOnMe
suggestsMe