《表3 排名前20的microRNA与其修正P值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《数据挖掘结合实验证明hsa-miR-371a-3p促进肝癌细胞迁移》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

数据集分析整合以及分析结果验证的流程见图1(b）．每个数据集分别进行标准化和分析，提取出上调和下调差异表达的microRNA列表，然后分别根据|logFC|从大到小进行排序．为了整合5个数据集的分析结果，我们引入了RobustRankAggregation(RRA）算法[18]．该算法假设存在一个由所有差异表达的microRNA组成的池，然后计算每个microRNA在5个排序列表中随机分布的P值．P值越小的microRNA就越不可能是随机分布的，越有可能是真正差异表达的．同时，为了增加结果的稳健性，我们引入了交叉留一法（LOOCV）进行修正．具体方法是：随机舍弃5个数据集中的一个，对剩下的4个数据集使用RRA算法，记录每个microRNA的P值．重复运行10 000次．对每个microRNA的10 000个P值取中位数，作为这个microRNA的修正P值．针对上调和下调差异表达的microRNA列表分别进行分析．microRNA按照修正P值从小到大进行排序，保留排名前20的microRNA进行后续分析．排名前20的microRNA与其修正P值见表3.