哈伊姆·巴尔。;伊丽莎白·斯基法诺。 微阵列数据分析中随机效应模型的经验和完全贝叶斯方法。 (英语) Zbl 07256838号 统计模型。 11,第1期,71-88(2011). 小结:考虑使用包含混合物分布的线性模型来比较两个治疗组的标准化微阵列数据。使用经验贝叶斯方法的模型拟合已被证明是准确的和数值稳定的。根据该模型得出的治疗/基因相互作用的后验概率包括相互作用和基因特异性误差方差的收缩估计,从而得出有力的推断。我们表明,相同的模型可以很容易地在完全贝叶斯框架下进行拟合,从而在先验分布假设和后验推理方面增加了灵活性。 MSC公司: 62至XX 统计 关键词:EM算法;经验贝叶斯;拉普拉斯近似;LEMMA公司;线性模型;MCMC公司 软件:WinBUGS公司;位置传感器;贝叶斯DA;利马;引理 PDF格式BibTeX公司 XML格式引用 \textit{H.Y.Bar}和\textit{E.D.Schifano},统计模型。11,第1号,71--88(2011;Zbl 07256838) 全文: 内政部 参考文献: [1] Baldi P和Long AD(2001)微阵列表达数据分析的贝叶斯框架:基因变化的正则化t检验和统计推断。生物信息学,17509-19。 ·doi:10.1093/bioinformatics/17.6.509 [2] Bar H、Booth J、Schifano E和Wells M(2010),拉普拉斯近似EM微阵列分析:用于比较微阵列实验的经验贝叶斯方法。统计科学。http://www.stat.cornell.edu/lemma/ ·Zbl 1329.62114号 ·doi:10.1214/10-STS339 [3] Bar H和Schifano E(2009)引理:拉普拉斯近似EM微阵列分析。R包版本1.2-1。http://www.stat.cornell.edu/lemma [4] Brot P、Richardson S和Radvanyi F(2002)贝叶斯层次模型,用于识别微阵列实验中基因表达的变化。计算生物学杂志,9671-83。 ·doi:10.1089/106652702760277381 [5] Callow MJ、Dudoit S、Gong EL、Speed TP和Rubin EM(2000)微阵列表达谱确定HDL缺乏小鼠中表达改变的基因。基因组研究,2022-29年10月。 ·doi:10.1101/gr.10.12.2022 [6] Cui X,Hwang JTG,Qui J,Blades NJ和Churchill GA(2005)通过缩小方差分量改进了差异基因表达的统计检验。生物统计学,659-75·Zbl 1069.62090号 ·doi:10.1093/biostatistics/kxh018 [7] Efron B(2005)局部错误发现率。http://www-stat.stanford.edu/brad/papers/False.pdf [8] Efron B(2008)微阵列、经验贝叶斯和两组模型。统计科学,23,1-22·Zbl 1327.62046号 ·doi:10.1214/07-STS236 [9] Efron B、Turnbull BB和Narasimhan B(2008)locfdr:计算本地错误发现率。R软件包版本1.1-6。 [10] Gelman A、Carlin JB、Stern HS和Rubin DB(2004)《贝叶斯数据分析》,第2版。北卡罗来纳州:查普曼和霍尔·Zbl 1039.62018号 [11] Kendziorski CM、Newton MA、Lan H和Gould MN(2003)《使用重复基因表达谱比较多组的参数经验贝叶斯方法》。医学统计,223899-914。 ·doi:10.1002/sim.1548 [12] Liu P(2006)微阵列数据的样本量计算和经验贝叶斯检验。博士论文,康奈尔大学,纽约州伊萨卡。 [13] Lonnstedt I和Britton T(2005)cDNA微阵列基因表达的层次贝叶斯模型。生物统计学,6279-91·Zbl 1070.62107号 ·doi:10.1093/生物统计学/kxi009 [14] Lonnstedt I和Speed T(2002)复制微阵列数据。中国统计局,12,31-46·Zbl 1004.62086号 [15] Newton MA、Kendziorski CM、Richmond CS、Blattner FR和Tsui KW(2001)关于表达比率的差异可变性:改进微阵列数据中关于基因表达变化的统计推断。计算生物学,837-52。 ·doi:10.1089/106652701300099074 [16] Smyth GK(2004)用于评估微阵列实验中差异表达的经验贝叶斯方法的线性模型。遗传学和分子生物学中的统计应用,3,第2条·Zbl 1038.62110号 ·数字对象标识代码:10.2202/1544-6115.1027 [17] Smyth GK(2005)Limma:微阵列数据的线性模型。纽约:施普林格出版社,第397-420页。 [18] Spiegelhalter D、Thomas A、Best N和Lunn D(2003)WinBUGS用户手册1.4版。http://www.mrc-bsu.cam.ac.uk./bugs/winbugs/manual14.pdf [19] Wright GW和Simon RM(2003)用于检测小型微阵列实验中差异基因表达的随机方差模型。生物信息学,19,2448-55。 ·doi:10.1093/bioinformatics/btg345 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。