{rfName}
AR

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

158

Altmetrics

Investigadores/as Institucionales

Ferrer, AAutor o Coautor

Compartir

31 de octubre de 2024
Publicaciones
>
Artículo
Sí

ARSyN: a method for the identification and removal of systematic noise in multifactorial time-course microarray experiments

Publicado en: BIOSTATISTICS. 13 (3): 553-566 - 2012-01-01 13(3), DOI: 10.1093/biostatistics/kxr042

Autores:

MARÍA JOSÉ NUEDA; Alberto Ferrer; Ana Conesa
[+]

Afiliaciones

Ctr Invest Principe Felipe, Bioinformat & Genom Dept - Autor o Coautor
Univ Alicante, Dept Estadist & Invest Operat - Autor o Coautor
Univ Politecn Valencia, Dept Estadist & Invest Operat Aplicadasy Calidad - Autor o Coautor
Ver más

Resumen

Transcriptomic profiling experiments that aim to the identification of responsive genes in specific biological conditions are commonly set up under defined experimental designs that try to assess the effects of factors and their interactions on gene expression. Data from these controlled experiments, however, may also contain sources of unwanted noise that can distort the signal under study, affect the residuals of applied statistical models, and hamper data analysis. Commonly, normalization methods are applied to transcriptomics data to remove technical artifacts, but these are normally based on general assumptions of transcript distribution and greatly ignore both the characteristics of the experiment under consideration and the coordinative nature of gene expression. In this paper, we propose a novel methodology, ARSyN, for the preprocessing of microarray data that takes into account these 2 last aspects. By combining analysis of variance (ANOVA) modeling of gene expression values and multivariate analysis of estimated effects, the method identifies the nonstructured part of the signal associated to the experimental factors (the noise within the signal) and the structured variation of the ANOVA errors (the signal of the noise). By removing these noise fractions from the original data, we create a filtered data set that is rich in the information of interest and includes only the random noise required for inferential analysis. In this work, we focus on multifactorial time course microarray (MTCM) experiments with 2 factors: one quantitative such as time or dosage and the other qualitative, as tissue, strain, or treatment. However, the method can be used in other situations such as experiments with only one factor or more complex designs with more than 2 factors. The filtered data obtained after applying ARSyN can be further analyzed with the appropriate statistical technique to obtain the biological information required. To evaluate the performance of the filtering strategy, we have applied different statistical approaches for MTCM analysis to several real and simulated data sets, studying also the efficiency of these techniques. By comparing the results obtained with the original and ARSyN filtered data and also with other filtering techniques, we can conclude that the proposed method increases the statistical power to detect biological signals, especially in cases where there are high levels of structural noise. Software for ARSyN is freely available at http://www.ua.es/personal/mj.nueda.
[+]

Palabras clave

Analysis of varianceAnimalAnimalsArticleAscaBatch effectBromobenzeneBromobenzenesComputer simulationData interpretation, statisticalDna microarrayGene expression profilingGene-expressionGeneticsLiverMetabolismMethodologyMicroarraysModels, statisticalNormalizationOligonucleotide array sequence analysisPhysiological stressPhysiologyPotatoPrincipal component analysisPrincipal components analysisRatRatsSingleSolanum tuberosumStatistical analysisStatistical modelStress, physiologicalSystematic noiseSystematic noise.Tool

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista BIOSTATISTICS debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2012, se encontraba en la posición 10/47, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Mathematical & Computational Biology.

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir de las Citas Mundiales proporcionadas por WoS (ESI, Clarivate), arroja un valor para la normalización de citas relativas a la tasa de citación esperada de: 1.19. Esto indica que, de manera comparada con trabajos en la misma disciplina y en el mismo año de publicación, lo ubica como trabajo citado por encima de la media. (fuente consultada: ESI 13 Nov 2025)

Esta información viene reforzada por otros indicadores del mismo tipo, que aunque dinámicos en el tiempo y dependientes del conjunto de citaciones medias mundiales en el momento de su cálculo, coinciden en posicionar en algún momento al trabajo, entre el 50% más citados dentro de su temática:

  • Media Ponderada del Impacto Normalizado de la agencia Scopus: 2.09 (fuente consultada: FECYT Mar 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2026-04-02, el siguiente número de citas:

  • WoS: 55
  • Scopus: 58
  • Europe PMC: 43
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-02:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 106.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 106 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 3.

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
[+]

Reconocimientos ligados al ítem

Spanish MICINN [BIO2008-04368-E, DPI2008-06880-C03-03/DPI]
[+]