Key points are not available for this paper at this time.
摘要 动机：在微阵列基因表达研究中，重复微阵列的数量通常较少，原因是成本和样本可用性，这导致方差估计不可靠，从而使统计假设检验变得不可靠。不可靠的方差估计还因技术特定的方差本质上依赖于强度而变得更为复杂。 结果：Rosetta误差模型捕捉了各种微阵列技术（如单色阵列和双色阵列）的方差-强度关系。该误差模型以保守的方式估计强度误差，并使用此值来稳定方差估计。我们展示了两种常用的误差模型：单色微阵列的强度误差模型和双色微阵列或从两个单色阵列构建的比率的比率误差模型。我们提供了示例来演示我们的误差模型在提高微阵列数据分析的统计能力方面的优越性，特别是在当重复次数有限时，增加表达检出灵敏度和特异性。可用性：Rosetta误差模型可以在Rosetta Resolver®系统中用于基因表达分析。这些技术特定的误差模型被设计和优化以适应不同的微阵列技术，如Affymetrix®和Agilent技术。联系方式：leeweng@rosettabio.com 附加信息：补充数据和附录可在Bioinformatics在线获取.
Weng等人（周二）研究了这个问题。