ScholarGate
Асистент
Process / pipelineBioinformatics / omics

Байесов анализ на обогатяване на пътища

Байесовият анализ на обогатяване на пътища тества дали предварително дефиниран набор от гени — биологичен път — е систематично свръхпредставен сред гени, които показват доказателства за диференциална активност в експеримент. За разлика от класическите тестове за свръхпредставяне, той кодира предварителни биологични познания като предварително разпределение и го актуализира с наблюдаваните данни за експресия, като дава задни вероятности за обогатяване, вместо p-стойности. Тази вероятностна рамка естествено обработва малки извадки, множество пътища и разпространение на несигурността в кохерентна статистическа рамка.

Отворете в MethodMindСкороВидеоСкороИзтегляне на слайдове

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Карта на методите

Обкръжението на сродните методи — изберете възел, за да го разгледате.

Източници

  1. Baldi, P., & Long, A. D. (2001). A Bayesian framework for the analysis of microarray expression data: regularized t-test and statistical inferences of gene changes. Bioinformatics, 17(6), 509–519. DOI: 10.1093/bioinformatics/17.6.509
  2. Newton, M. A., Quintana, F. A., Den Boon, J. A., Bhattacharya, S., & Ahlquist, P. (2004). Random-set methods identify distinct aspects of the enrichment signal in gene-set analysis. The Annals of Applied Statistics, 1(1), 85–106. link

Как да цитирате тази страница

ScholarGate. (2026, June 3). Bayesian Pathway Enrichment Analysis. ScholarGate. https://scholargate.app/bg/bioinformatics/bayesian-pathway-enrichment-analysis

Кой метод?

Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.

Сравняване едно до друго

Цитиран в

ScholarGateBayesian Pathway Enrichment Analysis (Bayesian Pathway Enrichment Analysis). Извлечено на 2026-06-15 от https://scholargate.app/bg/bioinformatics/bayesian-pathway-enrichment-analysis · Набор от данни: https://doi.org/10.5281/zenodo.20539026