×

复制微阵列数据。 (英语) Zbl 1004.62086号

摘要:cDNA微阵列允许我们同时研究数千个基因的表达。它们现在被用于许多不同的环境中,以比较两个或多个细胞样本之间的mRNA水平。微阵列实验通常为我们提供了大量基因的表达测量,比如说(10000-20000),但每个基因几乎没有重复。在这种情况下,使用均值和标准差来检测微分表达式的传统方法并不完全令人满意,因此,需要一种不同的方法。
我们提出了一种用于分析重复微阵列数据的经验贝叶斯方法。来自一组重复实验中所有基因的数据被合并为先验分布参数的估计值。然后将这些参数估计值与平均值和标准偏差在基因水平上结合,形成一个统计值(B),可用于确定是否发生了差异表达。统计(B)避免了使用平均值或(t)统计的问题。通过比较SR-BI转基因小鼠和相应野生型小鼠肝脏中基因表达的实验数据,说明了该方法。
此外,我们还提供了一项模拟研究的结果,该研究估计了(B)的ROC曲线和用于确定差异表达的三个其他统计数据:平均值和常用(t)统计的两个简单修改\(B)被认为是四个词中最有力的一个,尽管差距不大。对数据进行了模拟,以与SR-BI数据相似。

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
92D10型 遗传学和表观遗传学
62C12号机组 经验决策程序;经验贝叶斯程序
92C40型 生物化学、分子生物学

软件:

PDF格式BibTeX公司 XML格式引用