Maximum Rank Reproducibility: A Nonparametric Approach to Assessing Reproducibility in Replicate Experiments
最大秩可重复性：评估重复实验可重复性的非参数方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究生物重复实验的信号可重复性，未提供所列经济计量细分方向的直接依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
最大秩可重复性：评估重复实验可重复性的非参数方法
- 研究问题
- 面对边际分布和依赖结构信息有限的高通量重复实验，如何区分可重复信号与噪声，并评估错误发现和检出能力？
- 方法与思路
- 作者提出最大秩可重复性程序，使用最大秩统计量筛分信号，并通过模拟和跨实验室、跨平台的 RNA 测序数据评价。
- 材料陈述的贡献
- 摘要称该程序无需假定可重复信号的分布；模拟与测序数据结果显示其控制错误发现率，并具有良好的检出能力。
- 阅读关注点
- 应核对秩统计量与筛选阈值、噪声和重复样本依赖的假设，以及错误发现控制属于理论保证还是实验观察。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；对信号分布无假设不等于完全无假设，完整依赖条件和性能保证未说明。
原文摘要
The identification of reproducible signals from the results of replicate high-throughput experiments is an important part of modern biological research. Often little is known about the dependence structure and the marginal distribution of the data, motivating the development of a nonparametric approach to assess reproducibility. The procedure, which we call the maximum rank reproducibility (MaRR) procedure, uses a maximum rank statistic to parse reproducible signals from noise without making assumptions about the distribution of reproducible signals. Because it uses the rank scale this procedure can be easily applied to a variety of data types. One application is to assess the reproducibility of RNA-seq technology using data produced by the sequencing quality control (SEQC) consortium, which coordinated a multi-laboratory effort to assess reproducibility across three RNA-seq platforms. Our results on simulations and SEQC data show that the MaRR procedure effectively controls false discovery rates, has desirable power properties, and compares well to existing methods. Supplementary materials for this article are available online.