GlobalAncova

计算组间差异基因表达的全局测试

我们给出了以下论据来支持GlobalAncova方法:经过适当的归一化，基因表达数据看起来相当对称，异常值不是真正的问题，因此最小二乘应该相当稳健。具有相互作用的ANCOVA产生饱和数据建模，例如每个组和基因的不同均值。协变量调整有助于纠正可能的选择偏差。方差同质性和不相关残差不可预期。应用普通最小二乘给出无偏估计，但不再是最优估计(gagas - markov - aitken)。因此，由于相关性，使用经典的f检验是不合适的。然而，检验统计量反映了与原假设的偏差。结合排列方法，经验显著性水平可以近似。或者，近似产生渐近的p值。这项工作得到了德国BMBF的NGFN赠款01 GR 0459的支持。

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

文档

细节

包下载