顺序瘤

基于敏感性和荟萃分析的微阵列数据序列分析。在过去的十年里,使用微阵列技术的转录组学研究已经成为生命科学的标准工具。然而,这些实验的成本仍然很高,迫使科学家们以牺牲统计能力为代价,使用小样本。在许多情况下,很少或根本没有关于潜在变异性的先验知识,这将允许准确估计回答特定生物学问题所需的样本(微阵列)数量。我们研究用于微阵列分析的序列方法,也称为临床试验背景下的组序贯或适应性设计。通过实验不同阶段的中间分析和停止规则的应用,可以决定是否应该研究更多的样本,或者实验是否已经获得足够的信息。微阵列数据的高维性促进了序列方法。由于数千个基因同时参与停止决策,任何单个基因的边际分布几乎不受全局停止规则的影响。因此,中期分析不会严重偏离最终的$p$-值。我们提出了一种综合不同阶段中期分析结果的元分析方法。我们考虑了基于估计的真正数或基于灵敏度估计的停止规则,并特别讨论了估计后者的困难。我们在一个广泛的模拟研究中研究了这种序列方法,并将其应用于几个实际数据集。结果表明,应用顺序方法可以减少微阵列的数量,而不会造成严重的功率损失。作者提供了实现该方法的R-package SequentialMA。

本软件关键词

这里的任何东西都将在支持画布元素的浏览器上被替换。


zbMATH中的参考文献,1标准件)

显示1的结果1。
按年份排序(引文)

  1. Marot,Guillemette;Mayer,Claus Dieter:基于敏感性和荟萃分析的微阵列数据序列分析(2009)