×

兹马思-数学第一资源

利用稀疏主成分鉴定实体瘤对达沙替尼敏感性相关的基因组标记。(英语) Zbl公司 07281634
摘要:差异分析技术通常被用来为科学家提供一个降维程序和变量选择的可解释途径,特别是在面对高维基因组数据时。Huang等人利用乳腺癌细胞系的基因表达谱来识别与药物达沙替尼体外敏感性高度相关的基因组标记。他们考虑了三种统计方法来识别差异表达的基因,最后使用了交叉点的结果。但本文所采用的统计方法不足以筛选基因组标记。本文采用三种不同的统计方法选择一个组合的基因组标记列表,并对Huang等人提出的基因进行比较,然后提出使用稀疏主成分分析(sparse PCA)来识别最终的基因组标记列表。一个稀疏的发现有助于在基因间建立一个成功的相关性。我们提出了一个新的和一小套基因组标记,以有效地分离出对达沙替尼敏感的患者群体。该分析程序还将鼓励科学家识别有助于区分两个群体的基因组标记。
理学硕士:
第62页 统计学在生物学和医学科学中的应用;荟萃分析
62小时30分 分类和区分;聚类分析(统计方面)
62-07年 数据分析(统计)(MSC2010)
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] 阿劳霍J。和Logothetis C。,达沙替尼:一种治疗实体瘤的有效SRC抑制剂癌症治疗。版次。36(6)(2010年),第492-500页。
[2] A。布贾,D。库克和D.F.斯韦恩,交互式高维数据可视化,J。计算机。图表。Stat.5(1)(1996),第78-99页。
[3] B。埃夫隆,R。蒂比拉尼、J.D.斯托瑞和V。塔瑟,微阵列实验的经验Bayes分析,JASA 96(2001),第1151-1160页·Zbl公司 1073.62511
[4] T。黑斯,R。蒂比拉尼,M。艾森,P。布朗,D。罗斯,美国。谢尔夫,J。韦恩斯坦,A。艾丽莎黛,L。斯塔德特和D。博茨坦,“基因剃须”作为识别具有相似表达模式的不同基因集的方法,基因组生物学。1(2)(2000年),第1-21页。
[5] A。侯赛因和J。贝恩,ROC曲线下加权对数部分面积的估计及其在MicroRNA表达数据中的应用,统计员。申请。吉奈特。分子生物学。12(6)(2013年),第743-755页。
[6] A。侯赛因和J。贝恩,偏正态分布在microRNA数据差异表达检测中的应用,J。申请。Stat.42(3)(2015),第477-491页。
[7] A。侯赛因,A.R.威兰和J。贝恩,一种改进的Wilcoxon秩和检验方法在基因芯片筛选中的应用,公社。统计-模拟。计算机。42(7)(2013年),第1563-1577页·Zbl公司 1295.62091
[8] F。黄,K。里维斯,X。韩,C。费尔柴尔德,S。普莱特罗,王天伟,F。李,P。肖和E。克拉克,判断实体瘤对达沙替尼敏感性的候选分子标记物:患者选择的理论基础癌症研究67(5)(2007),2226-2238页。
[9] 一。乔利夫,主成分分析,斯普林格,纽约,1986年。
[10] G、 S.Michaels,D.B.Carr,M。阿斯肯纳齐,S。弗曼,你好。文和R。索莫吉,大规模基因表达数据的聚类分析与数据可视化(2013),太平洋论坛。生物计算。3(1998年),第42-53页。
[11] M、 S.佩佩,G。龙顿、G.L.安德森和M。舒默,从微阵列实验中筛选差异表达基因《生物特征学》59(2003),第133-142页·Zbl公司 1210.62200
[12] 美国。Raychaudhuri,J.M.Stuart和R.B.Altman,主成分分析总结微阵列实验:在产孢时间序列中的应用,太平洋论坛。生物计算。5(2000年),第452-463页。
[13] M、 里奇,B。菲普森,D。吴,Y。胡,C.W.法律,W。Shi和G.K.Smyth,limma用于RNA测序和微阵列研究的差异表达分析《核酸研究》43(7)(2015年),p。e47。
[14] H。施文德,siggenes:使用SAM和Efron的经验Bayes方法进行多重测试R包版本1.44.0(2012年)。
[15] G、 K.斯迈思,微阵列实验中差异表达评估的线性模型和经验Bayes方法,统计员。申请。吉奈特。分子生物学。3(1)(2004年),第1-25页·Zbl公司 1038.62110
[16] G、 K.斯迈思,Limma:微阵列数据的线性模型,英寸使用R和生物导体的生物信息学和计算生物学解决方案,右。先生,V。凯里,S。杜多伊,R。伊利诺伊州,W。Huber,eds.,Springer,纽约,2005年,第397-420页。
[17] R。提比拉尼,回归收缩和套索选择,J。R。统计学家。Soc。爵士。B(Methodol.)58(1996年),第267-288页·Zbl公司 850.62538
[18] O、 G.Troyanskaya,M.E.Garber,P.O.Brown,D。博茨坦和R.B.奥特曼,识别微阵列数据中差异表达基因的非参数方法生物信息学18(11)(2002),第1454-1461页。
[19] 五、 G.塔瑟,R。提比拉尼和G。朱棣文,微阵列用于电离辐射响应的显著性分析,PNAS 98(9)(2001),第5116-5121页·Zbl公司 1012.92014
[20] D、 M.Witten,R。提比拉尼和T。黑斯提,惩罚矩阵分解及其在稀疏主成分和正则相关分析中的应用《生物统计学10》(2009年),第515-534页·Zbl公司 1437.62658
[21] H。邹和T。黑斯提,弹性网:用于稀疏估计和稀疏主成分分析的弹性网。R包版本1.1. 可在http://CRAN.R-project.org/package=elasticnet。
[22] H。邹,T。黑斯提和R。提比拉尼,稀疏主成分分析,J。计算机。图表。Stat.15(2006),第265-286页。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。