亚历克斯·勒温;理查德森，西尔维娅;克莱尔·马歇尔;安妮·格雷泽;蒂姆·艾特曼 差异基因表达的贝叶斯模型。 （英语） Zbl 1099.62131号 生物计量学 62，第1号，1-9（2006）。 摘要：我们提出了一个用于检测差异表达基因的贝叶斯层次模型，其中包括阵列效应的同时估计，并说明了如何使用输出来选择基因列表以进行进一步研究。我们提供了经验证据，证明需要表达水平相关的阵列效应，并探索了不同的非线性函数，作为基于模型的归一化方法的一部分。该模型包括基因特异性差异，但通过层次结构施加了一些必要的收缩。讨论了通过后验预测检验的模型批评。同时使用差分表达式建模阵列效果（归一化）可以减少误报结果。为了选择一系列基因，我们建议将各种标准（例如，折叠变化和整体表达）结合到每个基因的单个指示变量中。这些变量的后验分布用于选择基因列表，从而考虑到参数估计的不确定性。在小鼠敲除数据的应用程序中，所选列表中基因的基因本体注释过度和不足都符合生物期望。 引用于12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 2015年1月62日 贝叶斯推断 92D10型 遗传学和表观遗传学 关键词：贝叶斯分析;差异表达;层次模型;MCMC公司;微阵列;模型检查;归一化;WinBUGA公司 软件：BGX公司;WinBUGS公司;vsn（vsn）;法蒂戈 PDF格式BibTeX公司 XML格式引用 \textit{A.Lewin}等人，《生物统计学》62，第1期，1-9（2006；Zbl 1099.62131） 全文： 内政部 链接 参考文献： [1] Aitman，将Cd36（脂肪）作为胰岛素抵抗基因进行鉴定，导致高血压大鼠脂肪酸和葡萄糖代谢缺陷，《自然遗传学》21，第76页–（1999）·doi:10.1038/5013 [2] Al-Shahrour，FatiGO：一个用于发现基因本体论术语与基因组之间显著关联的网络工具，生物信息学20，第578页–（2004）·doi:10.1093/生物信息系统/btg455 [3] Bayarri，复合零模型的P值，《美国统计协会杂志》95，第1127页–（2000）·Zbl 1004.62022号 ·doi:10.2307/2669749 [4] 本杰米尼，《控制错误发现率：一种实用而有力的多重测试方法》，《皇家统计学会杂志》，B 57系列，第289页–（1995）·Zbl 0809.62014号 [5] 巴塔查吉，微阵列数据的贝叶斯综合功能分析，生物信息学20，第2943页–（2004）·doi:10.1093/bioinformatics/bth338 [6] Bickel，差异基因表达的程度：检测生物学意义上的表达差异并估计其大小，生物信息学20，第682页–（2004）·doi:10.1093/bioinformatics/btg468 [7] 卡罗尔，非线性模型中的测量误差（1995）·Zbl 0853.62048号 ·doi:10.1007/9781-4899-4477-1 [8] Chen，基于比率的决策和cDNA微阵列图像的定量分析，生物医学光学杂志2，第364页–（1997）·数字对象标识代码：10.1117/12.281504 [9] Clément，减肥调节肥胖受试者白色脂肪组织中的炎症相关基因，FASEB Journal 18，pp 1657–（2004）·doi:10.1096/fj.04-2204com [10] Efron，微阵列实验的经验贝叶斯分析，美国统计协会杂志96，第1151页–（2001）·Zbl 1073.62511号 ·doi:10.1198/016214501753382129 [11] Febbraio，小鼠Cd36的一个零突变揭示了其在脂肪酸和脂蛋白代谢中的重要作用，《生物化学杂志》274，第19055页–（1999）·doi:10.1074/jbc.274.27.19055 [12] Gelman，通过实际差异对模型适合性进行后验预测评估，《中国统计》第6期，第733页–（1996）·Zbl 0859.62028号 [13] Hein，BGX：Affymetrix基因芯片数据的完全贝叶斯基因表达指数，生物统计学（2005）·Zbl 1070.62103号 ·doi:10.1093/生物统计学/kxi016 [14] Hubbell，表达分析的稳健估计量，生物信息学18，第1585页–（2002）·doi:10.1093/bioinformatics/18.12.1585 [15] Huber，用于微阵列数据校准和差异表达量化的方差稳定，生物信息学18，第S96页–（2002）·doi:10.1093/bioinformatics/18.suppl_1.S96 [16] Ishwaran，使用贝叶斯模型选择检测微阵列中差异表达的基因，美国统计协会杂志98，第438页–（2003）·Zbl 1041.62090号 ·doi:10.1198/016214500300224 [17] 开普勒，通过自我一致性和局部回归对DNA微阵列数据进行规范化和分析，基因组生物学3，第0037.1页–（2002）·doi:10.1186/gb-2002-3-7-research0037 [18] 克尔，基因表达微阵列数据的方差分析，《计算生物学杂志》8，第819-（2000）页·doi:10.1089/1066527005044954 [19] Lönnstedt，复制微阵列数据，《中国统计》第12期，第31页–（2003） [20] Marshall，疾病映射模型中的近似交叉验证预测检查，《医学统计》第22期，第1649页–（2003）·doi:10.1002/sim.1403 [21] 牛顿，用半参数分层混合模型检测差异基因表达，生物统计学5，第155页–（2004）·Zbl 1096.62124号 ·doi:10.1093/biostatistics/5.2.155 [22] Nguyen，DNA微阵列实验：生物和技术方面，生物统计学58，第701页–（2002）·Zbl 1210.62197号 ·doi:10.1111/j.0006-341X.2002.00701.x [23] Schadt，分析高密度寡核苷酸基因表达阵列数据，细胞生物化学杂志80，第192页–（2000）·doi:10.1002/1097-4644（20010201）80:2<192:：AID-JCB50>3.0.CO；2瓦 [24] Spiegelhalter，D.J.Thomas，A.Best，N.1999 WinBUGS 1.2版用户手册http://www.mrcbsu.cam.ac.uk/bugs/winbugs/contents.shtml [25] Spiegelhalter，模型复杂性和拟合的贝叶斯度量，《皇家统计学会杂志》，B系列64，第1页–（2002）·Zbl 1067.62010年 ·数字对象标识代码：10.1111/1467-9868.00353 [26] Storey，《错误发现率的直接方法》，《皇家统计学会杂志》，B辑64，第479页–（2002）·Zbl 1090.62073号 ·doi:10.1111/1467-9868.00346 [27] Tusher，应用于电离辐射反应的微阵列显著性分析，美国国家科学院学报98，第5116页–（2001）·2014年12月10日 ·doi:10.1073/pnas.091062498 [28] Workman，减少DNA微阵列实验变异性的新非线性归一化方法，基因组生物学3，pp 0048.1–（2002）·doi:10.1186/gb-2002-3-9-research0048 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。