에 대한 JMP Genomics 3.2, 우리는 CEL 가져 오기 프로세스에서 GCRMA 배경 수정을 구현하라는 사용자의 요청을 여러 번 보냈습니다. JMP Genomics 3.0 용 RMA 구현 요청과 유사하게, 이는 주로 RAM 메모리에 제한되지 않고 비교적 큰 데이터 세트를 처리하려는 고객의 의욕에 기인합니다. 여러 고객 (및 자체 테스터)은 32 비트 2GB Windows XP 시스템에서 R / Bioconductor로 구현 된 GCRMA를 사용하여 한 번에 약 60-80 개의 HU133 CEL 파일을 처리하는 것으로 제한된 것으로보고했습니다. R / Bioconductor를 독립 실행 형 응용 프로그램으로 사용하거나 JMP Genomics의 Bioconductor Expresso 래퍼를 통해 사용할 때이 점을 확인했습니다.
JMP Genomics GCRMA 구현은이 메모리 제한을 극복하고 한 번에 수백 개 또는 심지어 1,000 개의 CEL 파일을 처리 할 수 있습니다. 이 과정에서 개발자 Tzu-Ming Chu는 중간 단계를 거쳐 알고리즘을 SAS 코드로 구현했습니다. GCRMA의 다른 상업적 구현과 유사하게, 우리의 구현은 백그라운드 보정을 추정하기 위해 불일치 프로브에 의존하는 알고리즘의 버전 (2.1)을 사용합니다.
JMP Genomics GCRMA는 R / Bioconductor 구현과 높은 상관 관계가있는 결과를 제공합니다. Log2 GCRMA 정규화 된 강도 간의 상관 관계는 동일한 어레이에 대해 두 가지 구현에서 생성 된 여러 데이터 세트에 대해 0.995에서 0.999의 범위에있었습니다. 부수적으로, Tzu-Ming은 R 구현의 여러 단계 (예 : 비특이적 결합 친 화성을 추정하기위한 데이터의 하위 집합에 대한 행 맞춤)가 알고리즘의 다른 실행에 의해 선택된 임의의 하위 집합의 특성에 민감하다는 것을 발견했습니다. 또한 gcrma 패키지의 현재 릴리스 버전이 현재 개발중인 베타 버전과 다르므로이 패키지의 사용자는 이후 버전의 알고리즘에서 발생할 수있는 잠재적 인 변경 사항을 인식해야합니다. GCRMA 표준화가 Wu et al. (2004)에서 Bioconductor의 구현은 버전마다 다르며 명시된 원본 논문과 정확히 동일하지 않을 수 있습니다.
Tzu-Ming과 다른 개발자들은 항상 RMA와 GCRMA와 같은 양자화 표준화를 포함한 표준화 방법이 다소 심각한 방법이라는 것을 지적하라고 촉구합니다. 안에 자연 생명 공학 MAQC I, Tong et al. (2006)은 Affymetrix 외부 컨트롤 (AFFX 접두어가 붙은 프로브 세트)이 GCRMA 및 RMA 정상화 후에 불일치하게 수행되는 경향이 있음을 분명히 보여주었습니다. GCRMA 및 RMA 정규화가 적용된 후 배열 간 상관 관계는 개선되지만 이러한 방법을 사용하면 사용자가 데이터를 과도하게 정규화 할 수 있습니다. JMP Genomics에서 이러한 방법을 구현하기위한 우리의 주요 동기는 상업 고객의 요구와 유전 분석 시장에서 이러한 알고리즘의 인기였습니다. 때로는 개발 팀을 생각 나게하기 때문에 시장에 원하는 것을 말할 수는 없습니다. 우리의 어린 제품의 경우, 이것이이 현상의 가장 좋은 예입니다.
