Summary of contributions to GAW15 Group 16: Processing/normalization of expression traits
Notice bibliographique
Résumé
Here, we summarize the contributions to group 16 of Genetic Analysis Workshop 15, held in Florida, U.S.A. The theme of this group was preprocessing of expression quantitative trait loci (eQTL) studies using the Affymetrix platform. The objective of the Genetic Analysis Workshop 15 problem 1 dataset was to use transcript levels that are measured using DNA microarrays as quantitative traits and localize the genes or other features of the DNA that control gene expression by quantitative trait loci linkage analyses. All contributors of this group used the microarray expression profiles (problem 1) data. Various approaches and questions were examined to investigate the effects of preprocessing methods and/or gene filtering on the interpretation of data, specifically on heritability estimates of gene expression and on linkage results. In addition, some contributors focused on the statistical issues involved in large-scale genetic analyses of quantitative traits that account for or build composite phenotypes from a large number of correlated traits. Since the true eQTLs are not known in the problem 1 data, results from the 11 studies cannot be fully evaluated for the methods employed. However, several common trends were found. All reports concluded that preprocessing statistical analyses may have an important impact on eQTL analyses and on the identification of cis-/trans-regulators and/or major biological pathways.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».