టెంగ్ఫీ యిన్, మహబుబుల్ మజుందార్, నిలాద్రి రాయ్ చౌదరి, డయాన్నే కుక్, రాండీ షూమేకర్ మరియు మిచెల్ గ్రాహం
సోయాబీన్స్ నుండి RNA-Seq డేటా యొక్క విశ్లేషణలో, ఒక సాఫ్ట్వేర్ ప్యాకేజీని ఉపయోగించి ప్రారంభ ప్రాముఖ్యత పరీక్ష మరొక దాని నుండి చాలా భిన్నమైన జన్యు జాబితాలను ఉత్పత్తి చేసింది. ఇది ఎలా జరుగుతుంది? ఈ కాగితం ఫలితాల మధ్య అసమానతలు ఎలా పరిశోధించబడ్డాయి మరియు వివరించవచ్చు. ఈ రకమైన వైరుధ్యం సాధారణంగా అధిక-నిర్గమాంశ విశ్లేషణలలో సంభవించవచ్చు. మోడల్ ఫిట్టింగ్ మరియు పరికల్పన పరీక్షను అన్వేషించడానికి, మేము వ్యత్యాసాలు మరియు అవకలన వ్యక్తీకరణ పరీక్షల యొక్క మొత్తం అంచనాపై డిస్పర్షన్ అంచనా ప్రభావాన్ని అన్వేషించడానికి అనుమతించే ఇంటరాక్టివ్ గ్రాఫిక్ని అమలు చేసాము. అదనంగా, బయోలాజికల్ డేటాలో ఏదైనా నిర్మాణం ఉనికిని పరీక్షించడానికి మేము కొత్త విధానాన్ని ప్రతిపాదిస్తున్నాము.