拉斐尔·戈塔多；詹姆斯·潘努奇（James A.Pannucci）。；谢丽尔·库斯克。；托马斯·布雷廷 微阵列数据的统计分析：贝叶斯方法。 （英语） Zbl 1197.62147号 生物统计学 第4期，第4期，第597-620页（2003年）. 摘要：微阵列数据的潜力巨大。它允许我们同时监测数千个基因的表达。微阵列的一个常见任务是确定在两种不同条件下获得的两个样本之间哪些基因表达不同。最近，当在每种条件下都有重复样本时，提出了几种统计方法来执行这项任务。微阵列数据出现了两个主要问题。第一个原因是重复次数非常少（通常为2-10次），导致点估计出现噪音。因此，基于平均值和标准偏差的传统统计数据（例如，（t）-统计数据）不适用。第二个问题是，基因的数量通常非常大（10000），其中一个面临着极端的多重测试问题。大多数多次测试调整都相对保守，尤其是在重复次数较少的情况下。我们提出了一个经验贝叶斯分析，可以很好地处理这两个问题。使用不同的参数，我们开发了四种统计数据，可用于测试单样本和双样本问题中基因表达水平的平均值和/或方差的假设。利用具有先验知识的实验数据说明了这些方法。此外，我们还提供了一个模拟结果，将我们的方法与众所周知的统计数据和多次测试调整进行了比较。 引用于10文件 MSC公司： 第62页第10页 统计学在生物学和医学中的应用；元分析 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 关键词：差异基因表达；分层贝叶斯；多次测试；后验概率；复制cDNA微阵列 PDF格式BibTeX公司 XML格式引用 \textit{R.Gottardo}等人，生物统计学4，No.4，597--620（2003；Zbl 1197.62147） 全文： 内政部