Cellwise outlier detection and biomarker identification in metabolomics based on pairwise log ratios

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15110%2F20%3A73594729" target="_blank" >RIV/61989592:15110/20:73594729 - isvavai.cz</a>

Výsledek na webu

<a href="https://onlinelibrary.wiley.com/doi/full/10.1002/cem.3182" target="_blank" >https://onlinelibrary.wiley.com/doi/full/10.1002/cem.3182</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1002/cem.3182" target="_blank" >10.1002/cem.3182</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Cellwise outlier detection and biomarker identification in metabolomics based on pairwise log ratios

Popis výsledku v původním jazyce

Data outliers can carry very valuable information and might be most informative for the interpretation. Nevertheless, they are often neglected. An algorithm called cellwise outlier diagnostics using robust pairwise log ratios (cell‐rPLR) for the identification of outliers in single cell of a data matrix is proposed. The algorithm is designed for metabolomic data, where due to the size effect, the measured values are not directly comparable. Pairwise log ratios between the variable values form the elemental information for the algorithm, and the aggregation of appropriate outlyingness values results in outlyingness information. A further feature of cell‐rPLR is that it is useful for biomarker identification, particularly in the presence of cellwise outliers. Real data examples and simulation studies underline the good performance of this algorithm in comparison with alternative methods.

Název v anglickém jazyce

Cellwise outlier detection and biomarker identification in metabolomics based on pairwise log ratios

Popis výsledku anglicky

Data outliers can carry very valuable information and might be most informative for the interpretation. Nevertheless, they are often neglected. An algorithm called cellwise outlier diagnostics using robust pairwise log ratios (cell‐rPLR) for the identification of outliers in single cell of a data matrix is proposed. The algorithm is designed for metabolomic data, where due to the size effect, the measured values are not directly comparable. Pairwise log ratios between the variable values form the elemental information for the algorithm, and the aggregation of appropriate outlyingness values results in outlyingness information. A further feature of cell‐rPLR is that it is useful for biomarker identification, particularly in the presence of cellwise outliers. Real data examples and simulation studies underline the good performance of this algorithm in comparison with alternative methods.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

JOURNAL OF CHEMOMETRICS

ISSN

0886-9383

e-ISSN

—

Svazek periodika

34

Číslo periodika v rámci svazku

'e3182(1)'-'e3182(15)'

Stát vydavatele periodika

GB - Spojené království Velké Británie a Severního Irska

Počet stran výsledku

15

Strana od-do

"'e3182(1)'"-"'e3182(15)'"

Kód UT WoS článku

000501469900001

EID výsledku v databázi Scopus

2-s2.0-85076179746