×

基于敏感性和荟萃分析的微阵列数据序列分析。 (英语) Zbl 1276.62081号

摘要:近十年来,使用微阵列技术的转录组学研究已成为生命科学的标准工具。然而,这些实验的成本仍然很高,迫使科学家以牺牲统计能力为代价,使用小样本。在许多情况下,很少或根本没有关于潜在变异性的先验知识,这将允许准确估计回答特定生物问题所需的样本数量(微阵列)。我们研究用于微阵列分析的序贯方法,在临床试验中也称为组序贯或适应性设计。通过实验不同阶段的中期分析和停止规则的应用,可以决定是否需要研究更多的样本,或者实验是否已经产生了足够的信息。
微阵列数据的高维性有助于序列方法。由于数千个基因同时参与停止决策,因此任何单个基因的边际分布几乎独立于全局停止规则。因此,中期分析不会严重偏离最终的(p)值。我们提出一种荟萃分析方法,将不同阶段的中期分析结果结合起来。我们考虑基于真阳性估计数或基于敏感性估计数的停止规则,并特别讨论估计后者的困难。我们在广泛的模拟研究中研究了这种顺序方法,并将其应用于几个实际数据集。结果表明,应用顺序方法可以减少微阵列的数量,而不会造成大量功率损失。作者提供了实现该方法的R包SequentialMA。

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
62升10 顺序统计分析
PDF格式BibTeX公司 XML格式引用
全文: 内政部