Une bonne estimation de la variance expérimentale est un point clé dans l'analyse des données d'expression issues de microarrays. Plusieurs modèles sont proposés dans la littérature, allant de l'hypothèse commode mais peu réaliste d'égalité de variance pour chaque gène au "modèle" surparamétrisé donnant une variance différente pour chacun. Entre ces 2 modèles extrèmes il est possible de construire des modèles intermédiaires (variance spatio ou intensité-dépendant, groupes de gènes ayant la même variance...). Il faut ensuite en déduire une statistique de test permettant d'identifier les gènes différentiellement exprimés avec un contrôle du risque de première espèce ou du taux ou du nombre de faux positifs. On peut également en déduire des différences d'expression régularisées, utiles pour la classification supervisée ou non.
