Strömmicroarrayexperiment låter jämnar av aktivitet av tusentals gener som ska mätas strax som ger ett fönster in i vård- och sjukdom för molekylära händelser bakomliggande.
Valet av gener som har distinkt, jämnar av aktivitet between villkorar av intresserar (liksom cancer och non-cancer) har därför dykt upp som ett nyckel- syfte av dataanalys. Emellertid med typisk många tusentals gener som ska väljas från och på mest några dussina uppsättningar av tillgängliga mätningar, är differentiella analyser av denna sort, extremt utmanas. Olikt statistiskt testar olika resultat för avkastning tack vare deras bakomliggande antaganden, men på verkliga data är det vanligt omöjligt att berätta vilken metod är rimlig att vara höger.
Forskare på Universitetar av Oxford har framkallat en ny metod som är kompetent av ger en konsistens mäter för sådan testar. Den är kapabel av att bedöma effektiviteten av varje algoritm för särskilda data, och den kan vidare användas för att lära hur till jordbruksprodukter en effektiv statistisk metod för att testa de givna datan.
Den nya metoden har många distinkt fördelar och gynnar i jämförelse med existerande metoder för att avskärma. En av de huvudsakliga fördelarna är att det är kompetent att bedöma statistiska algoritmer genom att välja beställnings- algoritmer från data genom att använda en aning av konsistens. Tekniken, som är extremt robustt, hjälper att förminska riskera av att välja en olämplig algoritm. Detta hjälper att minimera fel och därför att leda till viktig potentiell förminskning i kosta av att producera data.