建立一個可全面評估新微陣列缺值填補演算法效能的網頁工具

Abstract

填補缺值的方法對於微陣列資料分析是非常重要的，因為含有缺值的微陣列資料會明顯降低後續分析的表現與效能。雖然現今已有很多微陣列資料的缺值填補演算法，但仍然缺乏一個既客觀又全面地效能架構。因此，在我們之前發表的研究裡(發表於2013 年的BMC Systems Biology)，我們提出了一個可以全面且客觀的比較各種既有演算法效能的架構，我們的架構可以應用在開發新的缺值填補演算法，然而，建構此架構對於演算法研究人員並不是一件容易的事。為了節省研究人員的時間與精力，我們在這裡發表一個易於使用的效能評比網路工具MVIAeval(Missing Value Imputation Algorithm evaluator)。 MVIAeval 提供一個方便使用者使用的介面，讓使用者可以上傳自己的新演算法程式碼，接著按照五個步驟設定： (1) 20 個微陣列資料中選擇欲模擬測試的資料 (2) 12 個既有的演算法中選擇欲比較的演算法 (3) 3 個效能指標中選擇欲評比的指標 (4) 2 種全面性的表現評分方式中選擇欲評分的方式 (5) 設定模擬次數 最後將模擬出來的效能比較結果呈現成表格與圖。 MVIAeval 是一個對於開發缺值填補新演算法的研究人員，可以簡單使用又能達到全面又客觀的效能評比器。此評比器不只能使用在微陣列資料，只要是矩陣型式的生物資料(如次世代定序(NGS)資料、蛋白質資料)都是可實行的。因此MVIAeval 是對於高通量(high-throughput)和全基因體(genome-wide)缺值填補演算法，此研究領域的一個重要促進工具。

Date of Award	2016 Jun 29
Original language	Chinese
Supervisor	Wei-Sheng Wu (Supervisor)