【PaperReading】科学可重复的基因组富集: CERNO 与其他八种算法的比较

可重复性科学的基因组富集: CERNO 与其他八种算法的比较

论文摘要：
动机: 基因集（GS）富集分析是功能组学研究的重要组成部分。这里作者通过一种新方法，补充了已有的GS富集算法评估指标，以评估将GS富集测试应用于不同研究中的相关数据时，科学结果的实际可重复性。

结果：作者评估了八种已有算法和一种新算法的可重复性、敏感性、优先级、假阳性率和计算时间。除了八种已有算法外，作者还包括Coincident Extreme Ranks in Numerical Observations（CERNO），这是一种基于修改的Fisher P-value 积分的灵活快速算法。通过使用实际数据集，证明了CERNO对排名指标、样本和GS大小具有较强的鲁棒性。CERNO具有最高的可重复性，同时保持敏感性、特异性和速度。在总体排名中，Down-weighting of Overlapping Genes的Pathway Analysis，CERNO和过表示分析表现最好，而在可重复性方面，CERNO和GeneSetTest得分较高。

可用性与实现：实现CERNO算法的tm