Wie funktioniert die Quantilnormalisierung?

In Genexpressionsstudien mit Microarrays müssen Intensitätsdaten normalisiert werden, damit Intensitäten zwischen Individuen und Genen verglichen werden können. Konzeptionell und algorithmisch funktioniert die "Quantil-Normalisierung" und wie würden Sie dies einem Nicht-Statistiker erklären?

Ein Vergleich von Normalisierungsmethoden für Oligonukleotidarraydaten mit hoher Dichte basierend auf Varianz und Verzerrung von Bolstad et al. Führt die Quantilnormalisierung für Array-Daten ein und vergleicht sie mit anderen Methoden. Es hat eine ziemlich klare Beschreibung des Algorithmus.

Das konzeptionelle Verständnis ist, dass es sich um eine Transformation von Array Verwendung einer Funktion wobei eine geschätzte Verteilungsfunktion ist und ist die Umkehrung einer geschätzten Verteilungsfunktion. Dies hat zur Folge, dass die normalisierten Verteilungen für alle Arrays identisch werden. Für die Quantilnormalisierung ist die empirische Verteilung des Arrays und die empirische Verteilung der gemittelten Quantile über Arrays.$j$$\hat{F}^{-1} \circ \hat{G}_j$$\hat{G}_j$$\hat{F}^{-1}$$\hat{G}_j$$j$$\hat{F}$

Letztendlich ist es eine Methode, um alle Arrays so zu transformieren, dass sie eine gemeinsame Intensitätsverteilung haben.