×
Shen，Jeremy J。;张南希R。

非齐次泊松过程的变点模型及其在下一代DNA测序拷贝数分析中的应用。 （英语） Zbl 1243.62112号

附录申请。斯达。 6，编号2476-496（2012）。
小结：我们提出了一个非均匀泊松过程的灵活变点模型，该模型自然产生于下一代DNA测序，并导出了强度函数位移的得分和广义似然统计。我们构造了一个改进的贝叶斯信息准则（mBIC）来指导模型选择，并用点近似贝叶斯置信区间来评估分割的置信度。该模型应用于测序数据的DNA拷贝数分析，并在模拟峰值和实际数据集上进行评估。

引用于7文件

MSC公司：

2005年6月2日 马尔可夫过程：估计；隐马尔可夫模型
62页第10页 统计学在生物学和医学中的应用；元分析
2015年1月62日 贝叶斯推断
62英尺25英寸 参数公差和置信区域
92C40型 生物化学、分子生物学
2009年6月26日 非马尔可夫过程：估计

关键词：

CNV公司;变更点;点式置信区间

软件：

线索;seqCBS公司;CNV-序列
PDF格式BibTeX公司 XML格式引用
\textit{J.Shen}和\textit{N.R.Zhang}，Ann.Appl。Stat.6，No.2，476--496（2012；Zbl 1243.62112）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Bai，J.和Perron，P.（2003年）。多种结构变化模型的计算和分析。J.应用。计量经济学18 1-22。
[2] Bellman，R.（1961年）。关于使用动态规划通过线段逼近曲线。Commun公司。ACM 4 284·Zbl 0100.12901号 ·数字对象标识代码：10.1145/366573.366611
[3] Benjamini，Y.和Speed，T.（2011年）。高通量测序中GC含量偏差的估计和校正。技术报告804，加州大学伯克利分校统计系。
[4] Boeva，V.、Zinovyev，A.、Bleakley，K.、Vert，J.-P.、Janoueix-Lerosey，I.、Delatre，O.和Barillot，E.（2011年）。使用GC-content归一化对深度排序数据中的拷贝数更改进行无控制调用。生物信息学27 268-269。
[5] Campbell，P.J.、Stephens，P.J、Pleasance，E.D.、O’Meara，S.、Li，H.、Santarius，T.、Stebbings，L.A.、Leroy，C.、Edkins，S.，Hardy，C.、Teague，J.W.、Menzies，A.、Goodhead，I.、Turner，D.J.、Clee，C.M.、Quail，M.A.、Cox，A.、Brown，C.、Durbin，R.、Hurles，M.、Edwards，P.A.、Bignell，G.R.、Stratton，M.R.和Futreal，P.A（2008）使用全基因组大规模平行配对测序鉴定癌症中的体获得性重排。《自然遗传学》40 722-729。
[6] Chen，H.、Xing，H.和Zhang，N.R.（2011）。使用高密度基因分型阵列估计肿瘤中父母特异性DNA拷贝数。公共科学图书馆计算。生物学7 e1001060，15。
[7] Cheung，M.-S.、Down，T.A.、Latorre，I.和Ahringer，J.（2011）。高通量测序数据中的系统偏差及其BEADS校正。核酸研究39 e103。
[8] Chiang，D.Y.、Getz，G.、Jaffe，D.B.、O'Kelly，M.J.、Zhao，X.、Carter，S.L.、Russ，C.、Nusbaum，C.、Meyerson，M.和Lander，E.S.（2009年）。具有大规模并行测序的拷贝数改变的高分辨率映射。自然方法6 99-103。
[9] Cobb，G.W.（1978年）。尼罗河问题：一个转折点问题的有条件解决方案。生物特征65 243-251·Zbl 0394.62074号 ·doi:10.1093/biomet/65.2.243
[10] Conrad，D.F.、Andrews，T.D.、Carter，N.P.、Hurles，M.E.和Pritchard，J.K.（2006）。人类基因组中缺失多态性的高分辨率调查。自然遗传学。38 75-81.
[11] Dom，J.C.、Lottaz，C.、Borodina，T.和Himmelbauer，H.（2008）。高通量DNA测序的超短读取数据集中存在大量偏差。核酸研究36 e105。
[12] Hinkley，D.V.（1970年）。关于随机变量序列中变化点的推断。生物特征57 1-17·Zbl 0198.51501号 ·doi:10.1093/biomet/57.1.1
[13] Hornik，K.（2005）。CLUster合奏的CLUE。统计软件杂志14。
[14] Hornik，K.（2010年）。线索：星团集合R包版本0.3-34。
[15] Ivakhno，S.、Royce，T.、Cox，A.J.、Evers，D.J.、Cheetham，R.K.和Tavaré，S.（2010）。CNAseg——从第二代测序数据中识别癌症拷贝数变化的新框架。生物信息学26 3051-3058。
[16] Khaja，R.、Zhang，J.、MacDonald，J.R.、He，Y.、Joseph-George，A.M.、Wei，J.，Rafiq，Q.C.M.、Shago，M.、Pantano，L.、Aburatani，H.、Jones，K.、Redon，R.，Hurles，M.，Armengol，L.，Estivill，X.、Mural，R.J.、Lee，C.、Scherer，S.和Feuk，L.（2007）。基因组组装比较以确定人类基因组中的结构变异。《自然遗传学》38 1413-1418。
[17] Lai，T.L.、Xing，H.和Zhang，N.R.（2007）。基于阵列的比较基因组杂交数据分析的随机分割模型。生物统计学9 290-307·Zbl 1143.62082号 ·doi:10.1093/生物统计学/kxm031
[18] Lai，W.R.、Johnson，M.D.、Kucherlapati，R.和Park，P.J.（2005）。阵列CGH数据中识别放大和删除的算法的比较分析。生物信息学21 3763-3770。
[19] Lavielle，M.（2005）。对转换点问题使用惩罚对比度。信号处理85 1501-1510·兹比尔1160.94341 ·doi:10.1016/j.sigpro.2005.01.012
[20] Lipson，D.、Aumann，Y.、Ben-Dor，A.、Linial，N.和Yakhini，Z.（2006年）。有效计算DNA拷贝数数据分析的区间分数。J.计算。生物13 215-228（电子版）·Zbl 1119.92325号 ·doi:10.1089/cmb.2006.13.215
[21] McCarroll，S.A.、Hadnott，T.N.、Perry，G.H.、Sabeti，P.C.、Zody，M.C.、Barrett，J.C.、Dallaire，S.、Gabriel，S.B.、Lee，C.、Daly，M.J.、Altshuler，D.M.和国际HapMap联盟（2006）。人类基因组中常见的缺失多态性。自然遗传学38 86-92。
[22] 梅德韦杰夫·P、斯坦丘·M和布鲁德诺·M（2009）。通过下一代测序发现结构变化的计算方法。自然方法6 S13-S20。
[23] Olshen，A.B.、Venkatraman，E.S.、Lucito，R.和Wigler，M.（2004）。用于分析基于阵列的DNA拷贝数数据的循环二进制分割。生物统计学5 557-572·兹比尔1155.62478 ·doi:10.1093/biostatistics/kxh008
[24] Olshen，A.B.、Bengtsson，H.、Neuvial，P.、Spellman，P.T.、Olsheng，R.A.和Seshan，V.E.（2011）。使用循环二进制分割的配对肿瘤-正常研究中父母特定的拷贝数。生物信息学27 2038-2046。
[25] Rabinowitz，D.（1994年）。检测疾病发病率中的集群。《变化点问题》（South Hadley，MA，1992）。数理统计研究所讲稿——专题系列23 255-275。加利福尼亚州海沃德IMS·兹比尔1158.60352 ·doi:10.1214/lnms/1215463129
[26] Redon，R.、Ishikawa，S.、Fitch，K.R.、Feuk，L.、Perry，G.H.、Andrews，D.T.、Fiegler，H.、Shapero，M.H.，Carson，A.R.、Chen，W.、Cho，E.K.、Dallaire，S..、Freeman，J.L.、Gonzalez，J.R.、Gratacos，M.、Huang，J.、Kalaitzopoulos，D.、Komura，D.、Macdonald，J.R、Marshall，C.R.、Mei，R.，Montgomery，L.，Nishimura，K.、Okamura，K、Shen，F.、。，Somerville，M.J.、Tchinda，J.、Valsesia，A.、Woodwark，C.、Yang，F.、Zhang，J.，Zerjal，T.，Zhang、J.、Armengol，L.、Conrad，D.F.、Estivill，X.、Tyler-Smith，C.、Carter，N.P.、Aburatani，H.、Lee，C.、Jones，K.W.、Scherer，S.W.和Hurles，M.E.（2006年）。人类基因组拷贝数的全球变异。自然444 444-454。
[27] Schwarz，G.（1978年）。估算模型的维度。Ann.Statist公司。6 461-464. ·兹伯利0379.62005 ·doi:10.1214/aos/1176344136
[28] Shah，S.P.、Lam，W.L.、Ng，R.T.和Murphy，K.P.（2007年）。模拟阵列CGH数据中重复出现的DNA拷贝数变化。生物信息学23 450-458。
[29] Siegmund，D.（1988年a）。某些随机场最大值的近似尾部概率。安·普罗巴伯。16 487-501·Zbl 0646.60032号 ·doi:10.1214/aop/1176991769
[30] Siegmund，D.（1988年b）。变点问题中的置信集。国际。统计师。版次：56 31-48·Zbl 0684.62028号 ·doi:10.2307/1403360
[31] Siegmund，D.O.、Yakir，B.和Zhang，N.R.（2011年）。检测对齐序列中的同时变化间隔。附录申请。统计数字5 645-668·Zbl 1223.62166号 ·doi:10.1214/10-AOAS400
[32] Venkatraman，E.S.和Olshen，A.B.（2007年）。一种用于阵列CGH数据分析的快速循环二进制分割算法。生物信息学23 657-663。
[33] Walther，G.（2010年）。使用扫描统计优化和快速检测空间簇。Ann.Statist公司。38 1010-1033. ·Zbl 1183.62076号 ·doi:10.1214/09-AOS732
[34] Wang，P.、Kim，Y.、Pollack，J.、Narasimhan，B.和Tibshirani，R.（2005）。一种在阵列CGH数据中调用增益和损耗的方法。生物统计学6 45-58·Zbl 1069.92014年9月 ·doi:10.1093/biostatistics/kxh017
[35] Willenbrock，H.和Fridlyand，J.（2005）。比较研究：将分割应用于阵列CGH数据以进行下游分析。生物信息学21 4084-4091。
[36] Xie，C.和Tammi，M.T.（2009年）。CNV-seq，一种利用高通量测序检测拷贝数变化的新方法。BMC生物信息学10 80。
[37] Yoon，S.、Xuan，Z.、Makarov，V.、Ye，K.和Sebat，J.（2009）。使用读取覆盖深度对拷贝数变体进行灵敏而准确的检测。基因组研究19 1586-1592。
[38] Zhang，N.R.（2010）。正常和肿瘤基因组中的DNA拷贝数分析。《计算与系统生物学前沿》（J.Feng、W.Fu和F.Sun主编）。计算生物学15 259-281。斯普林格，伦敦。
[39] Zhang，N.R.和Siegmund，D.O.（2007年）。一种改进的贝叶斯信息准则，用于比较基因组杂交数据的分析。生物统计学63 22-32309·Zbl 1206.62174号 ·文件编号：10.1111/j.1541-0420.2006.00662.x
[40] Zhang，N.R.、Siegmund，D.O.、Ji，H.和Li，J.Z.（2010）。检测多个序列中的同时变化点。生物特征97 631-645·Zbl 1195.62168号 ·doi:10.1093/biomet/asq025
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。