×
安内拉鲁州布列斯特克；文森特·吉列莫特；威利·索尔布雷

使用预转换处理重要候选特征中的极值。 （英语） Zbl 1217.62066号

生物。J。 53，第4号，673-688（2011）。
总结：预测因子中的极值通常会强烈影响高维环境下的统计分析结果。尽管在大多数高通量技术中经常会出现这种情况，但在文献中往往忽略了这个问题。我们建议使用一个非常简单的转换，该转换之前在不同的上下文中由P.罗伊斯顿和W.绍尔布雷【计算统计数据分析51，第9期，4240–4253（2007；Zbl 1162.62387号)]作为数组预处理和高级统计分析之间的中间步骤。这种简单的单变量转换可以识别连续特征中的极值，因此可以用作异常值的诊断工具。利用九个公开可用的微阵列数据集，对不同的单变量和多变量统计分析证明了转换的使用及其效果。

MSC公司：

62G32型 极值统计；尾部推断
62页第10页 统计学在生物学和医学中的应用；元分析
92C40型 生物化学、分子生物学
65C60个 统计中的计算问题（MSC2010）

关键词：

异常值；生物标志物排名；高维数据；不稳定性；离群值

引文：

Zbl 1162.62387号

软件：

公司
PDF格式BibTeX公司 XML格式引用
\textit{A.-L.Boulesteix}等人，《生物》。J.53，第4号，673--688（2011；Zbl 1217.62066）
全文： 内政部

参考文献：

[1] Ancona，《关于使用DNA微阵列数据对分类器进行统计评估》，BMC生物信息学7第387页–（2006）·doi:10.1186/1471-2105-7-387
[2] Baggerly，《从细胞系衍生化学敏感性：高通量生物学中的法医生物信息学和可复制研究》，《应用统计学年鉴》3，第1309页–（2009）·Zbl 1185.92056号 ·doi:10.1214/09-AOAS291
[3] Baty，基因贡献的稳定性和微阵列数据多元分析中异常值的识别，BMC生物信息学9第289页–（2008）·doi:10.1186/1471-2105-9-289
[4] Benner，《高维考克斯模型：作为模型构建过程一部分的惩罚选择》，《生物医学杂志》52，第50页–（2010）·Zbl 1442.62257号 ·doi:10.1002/bimj.200900064
[5] 布兰德，评估两种临床测量方法之间一致性的统计方法，《柳叶刀》1第307页–（1986）·doi:10.1016/S0140-6736（86）90837-8
[6] Boulesteix，测试高维分子数据的额外预测值，BMC生物信息学11第78页–（2010）·Zbl 05766205号 ·数字对象标识代码：10.1186/1471-2105-11-78
[7] Boulesteix，排名基因列表的稳定性和聚合，生物信息学简报10 pp 556–（（2009）·doi:10.1093/bib/bbp034
[8] Bühlmann，Boosting algorithms:regulation，prediction and model fitting（with discussion），《统计科学》22，第477页–（2007）·Zbl 1246.62163号 ·doi:10.1214/07-STS242
[9] Edgeworth，《关于几个量的观察》，Hermathena 6 pp 279–（1887）
[10] Gleiss，用于识别微阵列实验中主要高表达的自适应修剪t统计量，《医学统计学》30，第52页–（2011）·数字对象标识代码：10.1002/sim.4093
[11] Goeman，Cox比例风险模型中L1惩罚估计，《生物医学杂志》52第70页–（2010）·Zbl 1207.62185号
[12] Hothorn，基于模型的高维增强，生物信息学22页2828–（2006）·doi:10.1093/bioinformatics/btl462
[13] Hothorn，生存系，生物统计学7第355页–（2006年）·Zbl 1170.62385号 ·doi:10.1093/biostatistics/kxj011
[14] Hothorn，生物医学杂志和可复制研究，《生物医学杂志》51第553页–（2009）·doi:10.1002/bimj.200900154
[15] Irizarry，《Affymetrix基因芯片探针水平数据摘要》，《核酸研究》31，第15页–（2003）·doi:10.1093/nar/gng015
[16] Irizarry，R.A.Gautier，L.Bolstad，B.M.Miller，C.（2009年）
[17] Irizarry，Affymetrix基因芯片表达测量的比较，生物信息学22 pp 789–（2006）·doi:10.1093/bioinformatics/btk046
[18] Miller，人类乳腺癌中p53状态的表达特征预测突变状态、转录效应和患者生存率，《美国国家科学院院刊》102第13550页–（2005）·doi:10.1073/pnas.0506230102
[19] Minn，《介导乳腺癌肺转移的基因》，《自然》436第518页–（2005）·doi:10.1038/nature03799
[20] Opgen-Rhein，用无分布收缩法对差异表达基因进行准确排序，《遗传学和分子生物学的统计应用》6，第9页–（2007）·Zbl 1166.62361号 ·doi:10.2202/1544-6115.1252
[21] Pawitan，基因表达谱分析使早期乳腺癌患者免于辅助治疗：在两个基于人群的队列中衍生和验证，乳腺癌研究7 pp R953–（2005）·doi:10.1186/bcr1325
[22] Rousseeuw，稳健回归和异常检测（2003）
[23] Royston，《通过初步协变量变换提高分数多项式模型的稳健性：实用方法》，《计算统计与数据分析》51页4240–（2007）·Zbl 1162.62387号 ·doi:10.1016/j.csda.2006.05.006
[24] Sauerbrei，多变量模型构建中连续预测因子的重要变量选择和函数形式的确定，《医学统计学》26页5512–（2007）·doi:10.1002/sim.3148
[25] Sauerbrei，模型构建的自举重采样程序：Cox回归模型的应用，《医学统计学》11页2093–（1992）·doi:10.1002/sim.4780111607
[26] Scherzer，基于血液中基因表达的早期帕金森病分子标记，《美国国家科学院院刊》104 pp 955–（2007）·doi:10.1073/pnas.0610204104
[27] Shieh，检测微阵列数据中的异常样本，《遗传学和分子生物学的统计应用》，第8页，第13页（2009年）·兹比尔1276.62092 ·数字对象标识代码：10.2202/1544-6115.1426
[28] Singh，基因表达与前列腺癌临床行为的相关性，《癌细胞1》第203页–（2002）·doi:10.1016/S1535-6108（02）00030-2
[29] Smyth，用于评估微阵列实验中差异表达的线性模型和经验贝叶斯方法，《遗传学和分子生物学的统计应用》3，第3页–（2004）·Zbl 1038.62110号 ·数字对象标识代码：10.2202/1544-6115.1027
[30] Sotiriou，《乳腺癌基因表达谱分析：了解组织学分级的分子基础以改善预后》，《国家癌症研究所杂志》98页262–（2006）·doi:10.1093/jnci/djj052
[31] Tang，《败血症患者外周血单核细胞的基因表达谱》，《危重症医学》37第882页–（2009）·doi:10.1097/CCM.0b013e31819b52fd
[32] Tibshirani，差异基因表达分析的离群和，生物统计学8 pp 2–（2007）·Zbl 1121.62102号 ·doi:10.1093/biostatistics/kxl005
[33] Tomlins，前列腺癌中tmprss2和ets转录因子基因的反复融合，《科学》310第644页–（2005）·doi:10.1126/科学.1117679
[34] Wang，基因表达谱预测淋巴结阴性原发性乳腺癌远处转移，《柳叶刀》365页671–（2005）·doi:10.1016/S0140-6736（05）17947-1
[35] Wu，癌症异常值差异基因表达检测，生物统计学8 pp 566–（2007）·Zbl 1121.62105号 ·doi:10.1093/biostatistics/kxl029
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。