×
张南希R。;大卫·O·西格蒙德。

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。 （英语） Zbl 1206.62174号

生物计量学 63，第1期，22-32（2007年）.
摘要：在分析变更点过程生成的数据时，一个关键挑战是确定变更点的数量。由于似然函数的不规则性，经典的贝叶斯信息准则（BIC）统计在这里不能很好地工作。通过贝叶斯因子的渐近逼近，我们导出了变漂移布朗运动模型的修正BIC。修改后的BIC与经典BIC相似，因为第一项由对数似然组成，但不同之处在于对模型维数不利的项。作为一个应用示例，该新统计数据用于分析基于阵列的比较基因组杂交（array-CGH）数据。Array-CGH测量细胞样本每个基因组位置的染色体拷贝数，有助于发现肿瘤细胞中基因组缺失和扩增的区域。与现有方法相比，改进的BIC在准确选择拷贝数变化的区域数量方面表现良好。与现有方法不同，它不依赖于调整参数或密集计算。因此，它是公正的，更容易理解和使用。

引用于2评论
引用于78文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
92C40型 生物化学、分子生物学
2015年1月62日 贝叶斯推断
PDF格式BibTeX公司 XML格式引用
\textit{N.R.Zhang}和\textit{D.O.Siegmund}，《生物统计学》63，第1期，第22-32页（2007；Zbl 1206.62174）
全文： 内政部

参考文献：

[1] Albertson，实体肿瘤中的染色体畸变，《自然遗传学》34页369–（2003）·doi:10.1038/ng1215
[2] Birgé，高斯模型选择，《欧洲数学学会杂志》3 pp 203–（2001）·Zbl 1037.62001 ·doi:10.1007/s100970100031
[3] Fridlyand，隐马尔可夫模型在阵列CGH数据分析中的应用，多元分析杂志90页132–（2004）·兹比尔1047.92026 ·doi:10.1016/j.jmva.2004.02.008
[4] George，Gibbs抽样变量选择，《美国统计协会杂志》88页881–（1993）·doi:10.2307/2290777
[5] Green，可逆跳跃马尔可夫链蒙特卡罗计算和贝叶斯模型确定，Biometrika 82 pp 711–（1995）·Zbl 0861.62023号 ·doi:10.1093/biomet/82.4.711
[6] Gu，惩罚似然密度估计：直接交叉验证和可扩展近似，《中国统计》13第811页–（2003）·Zbl 1028.62019号
[7] Hsu，使用小波去噪基于阵列的比较基因组杂交数据，生物统计学6 pp 211–（2005）·Zbl 1071.62104号 ·doi:10.1093/biostatistics/kxi004
[8] James，《改变点测试》，《生物统计学》第74页，第71页–（1987）·Zbl 0632.62021号 ·doi:10.1093/biomet/74.1.71
[9] 拉维耶（Lavielle），《使用缺陷对比度解决转换点问题》，《信号处理》85页1501–（2005）·兹比尔1160.94341 ·doi:10.1016/j.sigpro.2005.01.012
[10] Li，W.2001 DNA分割作为模型选择过程第五届国际计算生物学会议论文集T.Lengauer D.Sankoff S.Istrail P.Pevzner M.Waterman 204 210计算机协会
[11] Olshen，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 pp 557–（2004）·兹比尔1155.62478 ·doi:10.1093/biostatistics/kxh008
[12] Picard，阵列CGH数据分析的统计方法，BMC生物信息学6第27页–（2005）·doi:10.1186/1471-2105-6-27
[13] 平克尔，利用比较基因组杂交技术对微阵列进行DNA拷贝数变异的高分辨率分析，《自然遗传学》20页207–（1998）·doi:10.1038/2524
[14] Pollack，使用cDNA微阵列对DNA拷贝数变化进行全基因组分析，《自然遗传学》23，第41页–（1999）·doi:10.1038/14385
[15] Schwarz，估算模型的维度，《统计年鉴》第6卷第461页–（1978年）·兹伯利0379.62005 ·doi:10.1214/aos/1176344136
[16] Siegmund，D.1992随机场最大值的尾部近似概率理论：1989年新加坡概率会议论文集L.H.Y.Chen K.P.Choi K.Yu J.-H.Lou 147 158 de Gruyter
[17] Siegmund，不规则问题中的模型选择：在定量性状基因座定位中的应用，Biometrika 92第785页–（2004）·Zbl 1064.62114号 ·doi:10.1093/biomet/91.4.785
[18] Snijders，用于全基因组DNA拷贝数测量的微阵列组装，《自然遗传学》29页263–（2001）·doi:10.1038/ng754
[19] Snijders，《通过不稳定性和选择形成肿瘤和耐药基因组》，《癌基因22》第4370页–（2003年）·doi:10.1038/sj.onc.1206482
[20] Tibshirani，通过套索进行回归收缩和选择，《皇家统计学会杂志》，B辑58，第267页–（1996）·Zbl 0850.62538号
[21] Wang，一种在阵列CGH数据中调用损益的方法，生物统计学6 pp 45–（2005）·Zbl 1069.92014年9月 ·doi:10.1093/biostatistics/kxh017
[22] 姚，通过施瓦兹准则估计变化点的数量，《统计学与概率快报》，第6页，181–（1988）·Zbl 0642.62016号 ·doi:10.1016/0167-7152（88）90118-6
[23] Zhang，N.R.2005变点检测和序列比对：基因组学博士论文的统计问题
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。