我们给出了以下论据来支持GlobalAncova方法:在适当的规范化之后，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产生饱和数据模型，例如每组和基因的平均值不同。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是不可预期的。普通最小二乘的应用给出无偏估计，但不再是最优估计(高斯-马尔科夫-艾特肯)。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。该研究得到了德国BMBF的NGFN拨款01 GR 0459的支持。
| 作者 | U.曼斯曼，R.梅斯特，M.胡梅尔，R.舍菲尔，以及S.克努佩尔的贡献 |
| 维护人员 | r·迈斯特 |
要安装这个包，开始R，然后输入:
源(“//www.andersvercelli.com/biocLite.R”)biocLite(“GlobalAncova”)
文档 |
包下载 |
|||||||||||||
|
|
| biocViews | |
|---|---|
| 取决于 |
方法，公司，globaltest
|
| 进口 | |
| 建议 | |
| 系统需求 | |
| 许可证 | GPL版本2或更新版本 |
| URL | |
| 取决于我 | |
| 进口我 | |
| 建议我 | |
| 发展历史 | Bioconductor更新日志 |