SwePub
Sök i LIBRIS databas

  Utökad sökning

onr:"swepub:oai:gup.ub.gu.se/268850"
 

Sökning: onr:"swepub:oai:gup.ub.gu.se/268850" > A loop-counting met...

A loop-counting method for covariate-corrected low-rank biclustering of gene-expression and genome-wide association study data.

Rangan, Aaditya V (författare)
McGrouther, Caroline C (författare)
Kelsoe, John (författare)
visa fler...
Schork, Nicholas (författare)
Stahl, Eli (författare)
Zhu, Qian (författare)
Krishnan, Arjun (författare)
Yao, Vicky (författare)
Troyanskaya, Olga (författare)
Bilaloglu, Seda (författare)
Raghavan, Preeti (författare)
Bergen, Sarah (författare)
Jureus, Anders (författare)
Gothenburg University,Göteborgs universitet,Institutionen för neurovetenskap och fysiologi, sektionen för fysiologi,Institute of Neuroscience and Physiology, Department of Physiology
Landén, Mikael, 1966 (författare)
Kelsoe, J (författare)
Raghavan, P (författare)
Bergen, S (författare)
Karolinska Institutet
Stahl, E (författare)
Yao, V (författare)
Schork, N (författare)
Rangan, AV (författare)
Disorders, B (författare)
Jureus, A (författare)
Troyanskaya, O (författare)
Krishnan, A (författare)
Zhu, Q (författare)
Landen, M (författare)
Karolinska Institutet
McGrouther, CC (författare)
Bilaloglu, S (författare)
visa färre...
 (creator_code:org_t)
 
visa fler...
 
visa färre...
2018
2018
Engelska.
Ingår i: PLoS computational biology. - 1553-7358. ; 14:5
  • Tidskriftsartikel (refereegranskat)
Abstract Ämnesord
Stäng  
  • A common goal in data-analysis is to sift through a large data-matrix and detect any significant submatrices (i.e., biclusters) that have a low numerical rank. We present a simple algorithm for tackling this biclustering problem. Our algorithm accumulates information about 2-by-2 submatrices (i.e., 'loops') within the data-matrix, and focuses on rows and columns of the data-matrix that participate in an abundance of low-rank loops. We demonstrate, through analysis and numerical-experiments, that this loop-counting method performs well in a variety of scenarios, outperforming simple spectral methods in many situations of interest. Another important feature of our method is that it can easily be modified to account for aspects of experimental design which commonly arise in practice. For example, our algorithm can be modified to correct for controls, categorical- and continuous-covariates, as well as sparsity within the data. We demonstrate these practical features with two examples; the first drawn from gene-expression analysis and the second drawn from a much larger genome-wide-association-study (GWAS).

Ämnesord

MEDICIN OCH HÄLSOVETENSKAP  -- Klinisk medicin (hsv//swe)
MEDICAL AND HEALTH SCIENCES  -- Clinical Medicine (hsv//eng)

Publikations- och innehållstyp

ref (ämneskategori)
art (ämneskategori)

Hitta via bibliotek

Till lärosätets databas

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy