本文详细介绍了RMA(Robust Multi-Array Average)算法的归一化和summarization过程。归一化采用quantile normalization，确保组间数据可比较；summarization则通过median polish算法，减去每行中位数以进一步消除噪音，使数据更加统一。通过实例展示了处理前后数据的变化，帮助理解RMA算法在生物信息学中的应用。
上一篇介绍了RMA算法的背景校正部分。接下来是归一化和最终计算过程。
首先是归一化：
归一化就是将不同组之间的数据统一。因为组之间的数据虽然经过背景校正之后去除了部分噪音。
但是如果某一组自身因为内因或者外因导致的整体波动是没法去除的，如果不去除，会发现组间是不能比较的，因为某一组整体增加和减少会导致组与组之间的大小关系被破坏了，为此引入了归一化。
RMA算法之中归一化采用的是quantile normolization算法，这个算法的步骤如下：
首先假设我们有如下的矩阵：
该组能够看到第一列之中9比6大 第二列之中8比7大 可见每一个探针的大小关系是存在的，但是第一列的9比第二列的8大，第一列的6却比第二列的7小，这种组间的比较就显得很没有意义，因为组内存在着整体的波动。
我们按照列中从大到小排序：
之后我们求出每一行的平均数：
最低0.47元/天 解锁文章
699
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
