DNA基序发现中假阳性的理论理解
摘要：检测虚假正面主题是低性能主题发现方法的主要原因之一。一般认为，虚假正面主题主要是由于主题发现算法的弱点。然而，我们在这里推导出虚假正面主题与数据集大小之间的理论关系，并发现虚假正面主题可能是由于数据集的大小而产生的，而与所使用的算法无关。有趣的是，虚假正面主题的强度更多地取决于数据集中的序列数量，而不是序列长度。正如预期的，通过减少序列长度或向数据集中添加更多序列，可以减少虚假正面主题。然而，对序列数量的依赖在达到一个平台后逐渐减弱，此后再向数据集中添加更多序列不会显著减少虚假正面率。基于这里提出的理论结果，我们提供了一些直观的经验法则，可以用来改进实践中的主题发现结果。
作者：Amin Zia, Alan M. Moses
论文ID：1012.5011
分类：Genomics
分类简称：q-bio.GN
提交时间：2010-12-23