基于混合线性模型框架的基因表达微阵列数据统计分析方法研究

代理获取

页面导航

目录
摘要
著录项
相似文献
相关主题

摘要

基因表达芯片是一种新的具有很大发展前景的生物技术方法，本研究通过Henderson方法Ⅲ构建一种新的统计量，可以用来检测每个基因处理效应的显著性(筛选差异表达基因)，并且可以根据统计量的大小对这些差异表达基因给出排序，从而提供给生物学家更多的信息和选择.此外，在本文的研究里，还同时给出模型中各种效应的方差分量、随机效应预测值和固定效应估计值，其分别对指导以后的实验策略和进一步的数据分析是非常有用的。主要的研究内容和结论概述如下： 1.本文的统计策略可分成相互关联的三步：首先，芯片数据通过“归一化”去除不归因于基因特异性的总变异；其次通过拟合单基因模型来筛选差异表达基因。基于Henderson方法Ⅲ，构建一种新的统计量来衡量基因在不同处理间的表达差异程度，然后应用标准F分布检测这个F统计量的显著性，运用基于假发现率(FDR)调整的p-值来进行统计推断；最后，结合这些假定的差异表达基因来拟合多基因模型。在多基因模型中，本研究运用马尔可夫蒙特卡罗(MCMC)方法来获得方差分量和随机效应预测值，以及相应的置信区间和显著性检验。 2.本研究运用蒙特卡罗模拟来验证用于芯片数据分析的统计方法的有效性。结果显示本文的方法能够在不同的试验设计以及不同的数据特性下获得比较高的功效。 3.为了实际分析数据的需要，本文用C/C++语言编制了用于基因表达数据分析的程序。这一程序封装在新近开发的统计分析软件QTModel里。该程序可以处理简单实验以及具有多个实验变量的复杂实验的数据，筛选差异表达基因，并根据统计量的大小进行排序。此外，该软件包含了多种统计算法用来估算方差分量、预测随机效应值和估计固定效应值。 4.运用两种真实数据，白血病数据和老鼠脑数据，来具体阐述本文的方法。

著录项

作者
邹央云;
展开▼
作者单位

浙江大学;

展开▼
授予单位浙江大学;
学科生物信息学
授予学位硕士
导师姓名朱军;
年度 2006
页码
总页数
原文格式 PDF
正文语种中文
中图分类生物学实验与生物学技术;生物信息论;
关键词
基因表达微阵列; 混合线性模型; 基因芯片; 蒙特卡罗模拟; 统计策略; 芯片数据分析;

相似文献

中文文献
外文文献
专利

1. 基于DNA微阵列基因表达数据的分类方法研究 [J] . 朱婵 ,邹先霞 ,许龙飞 . 计算机工程与应用 . 2005,第006期
2. 基于惩罚高斯混合模型的微阵列基因表达数据分析 [J] . 石玉 . 中山大学学报（自然科学版） . 2009,第003期
3. 基于微阵列基因表达谱的一种关联空间的癌症分类算法 [J] . 卢新国 ,林亚平 ,王海军 . 电子学报 . 2008,第004期
4. 基于支持向量机的微阵列基因表达数据分析方法 [J] . 刘青 ,杨小涛 . 小型微型计算机系统 . 2005,第003期
5. 基于模糊c-均值聚类的微阵列基因表达数据分析 [J] . 宫改云 ,毛用才 ,高新波 . 西安电子科技大学学报（自然科学版） . 2004,第002期
6. 整合微阵列基因表达谱和生物分子网络初步探索乌头汤治疗神经病理性疼痛的作用机制 [C] . 郭秋岩 ,王超 ,张彦琼 . 世界中医药大会第三届夏季峰会暨大健康博览会 . 2017
7. 基于混合线性模型和条件变量分析的DNA微阵列数据分析方法研究 [A] . 陸燕 . 2002

基于混合线性模型框架的基因表达微阵列数据统计分析方法研究

目录

摘要

著录项

相似文献

相关主题

期刊订阅