Aktuelle Microarray-Experimente erlauben die Höhe der Aktivität von Tausenden von Genen auf einmal gemessen werden, wodurch ein Fenster in molekularen Ursachen Gesundheit und Krankheit.
Die Auswahl von Genen mit verschiedenen Ebenen der Aktivität zwischen den Bedingungen von Interesse (wie zB Krebs-und Nicht-Krebs) ist daher als ein zentrales Ziel der Datenanalyse entwickelt. Doch mit der Regel viele tausend Gene von und höchstens ein paar Dutzend Messreihen zur Verfügung wählen, werden differentielle Analysen dieser Art sehr anspruchsvoll. Verschiedene statistische Tests unterschiedliche Ergebnisse aufgrund deren zugrunde gelegte Annahmen, sondern auf realen Daten ist es meist unmöglich zu sagen, welche Methode ist wahrscheinlich richtig.
Forscher an der University of Oxford haben eine neue Methode, die in der Lage des einen Konsistenz Maß für solche Tests entwickelt. Es ist in der Lage die Beurteilung der Wirksamkeit der einzelnen Algorithmen für bestimmte Daten und es kann weiter genutzt werden, um zu lernen, wie man ein effektives statistisches Verfahren zur Überprüfung der angegebenen Daten zu erzeugen.
Die neue Methode hat viele deutliche Vorteile und Nutzen im Vergleich zu bestehenden Verfahren für das Screening. Einer der wichtigsten Vorteile ist, dass es in der Lage, statistische Algorithmen, indem Sie benutzerdefinierte Algorithmen aus Daten mit einem Begriff der Konsistenz zu beurteilen ist. Die Technik, die extrem robust ist, hilft, das Risiko der Auswahl eines ungeeigneten Algorithmus zu reduzieren. Dies hilft, Fehler zu minimieren und somit zu erheblichen potenziellen Reduzierung der Kosten für die Herstellung von Daten.