机构名称：
¥ 27.0
描述多元方法非常适合大型幻象数据集，其中变量数（例如基因，蛋白质，代谢产物）比样品数量（含量，细胞，小鼠）大得多。它们具有通过使用仪器变量（组件）来降低数据尺寸的吸引力，这些变量定义为所有变量的组合。这些组件随后用于生成有用的图形外，从而可以更好地理解整合的不同数据集之间的关系和相关结构。Mixomics提供了多种多种方法，用于探索和整合生物数据集，并在可变选择上具有特定的fosus。包装提出了几种稀疏的多变量模型，我们已经确定了高度相关的关键变量和/或解释感兴趣的生物学外。可以用混合学分析的数据可能来自高渗透测序技术，例如OMICS数据（转录组学，代谢组学，Promics，temomics，Metagenomics等），但也超出了Omics领域（例如光谱想象）。混合组学中实施的方法还可以处理缺失的值，而无需删除整个行中缺少数据的行。一种非详尽的方法列表包括多种广义规范相关分析，稀疏的部分最小二乘和稀疏分析分析。最近，我们实施了集成方法来结合多PLE数据集：N-N-Integration与广义规范相关分析的变体和P-集成与多组部分最小二乘的变体的变体。
混合学：OMICS数据集成项目
主要关键词
相关文件推荐
