保拉·塞巴斯蒂亚尼;谢慧;马可·拉莫尼。 通过模型平均对比较微阵列实验进行贝叶斯分析。 （英文） Zbl 1331.62037号 贝叶斯分析。 1，第4期，707-732（2006）. 小结：微阵列数据统计分析面临的一个主要挑战是样本数量少——受成本和样本可用性的限制——与大量基因相比，现在每个实验的样本数量飙升至数万个。由于基因表达测量的经验分布的复杂性以及限制多重比较导致的错误检测数量的必要性，这种情况变得更加困难。本文介绍了一种新的贝叶斯方法，用于分析寡核苷酸微阵列的比较实验。我们的方法通过对数正态分布和伽马分布以及感兴趣参数上的层次先验分布对基因表达数据进行建模，并使用模型平均来计算差异表达的后验概率。使用初始近似贝叶斯分析识别差异表达概率较大的基因，并使用随机计算进一步细化候选基因列表。我们使用实际数据集评估了该方法的性能，结果表明，在小样本实验中，该方法的误报率几乎可以忽略不计，因此具有更好的检测性能。 引用于2文件 MSC公司： 62-07 数据分析（统计）（MSC2010） 2015年1月62日 贝叶斯推断 62页第10页 统计学在生物学和医学中的应用；元分析 关键词：微阵列;基因表达;伽马分布;对数正态分布;模型平均值;真阳性率和假阳性率;错误发现率 PDF格式BibTeX公司 XML格式引用 \textit{P.Sebastiani}等人，贝叶斯分析。1，第4号，707--732（2006；Zbl 1331.62037） 全文： 内政部 欧几里得