尋找差異基因的概率方法研究.pdf

1、在目前醫(yī)學(xué)及生命科學(xué)研究中,基因芯片被廣泛用來(lái)進(jìn)行各種生物實(shí)驗(yàn)。其中尋找差異基因在芯片實(shí)驗(yàn)中是最基本的實(shí)驗(yàn)?zāi)康?它在基因診斷、藥物篩選等方面有著重要作用。由于芯片實(shí)驗(yàn)是復(fù)雜多步驟的實(shí)驗(yàn)過(guò)程,產(chǎn)生的基因表達(dá)數(shù)據(jù)包含了大量噪音,另外重復(fù)芯片個(gè)數(shù)太少和基因表達(dá)測(cè)量值精度低等多方面影響,使得尋找差異基因非常困難。目前的許多方法僅僅利用重復(fù)芯片的基因表達(dá)數(shù)據(jù)的點(diǎn)估計(jì)來(lái)尋找差異基因。而廣泛使用的Affymetrix基因芯片利用多探針技術(shù)在提供了基因

2、表達(dá)值的同時(shí)也提供了獲得基因表達(dá)值測(cè)量誤差的可能。而概率方法能夠自然的結(jié)合基因表達(dá)值和測(cè)量誤差。最近提出的概率方法PPLR同時(shí)考慮了基因的表達(dá)值和測(cè)量誤差,提高了尋找差異基因的精確度。但是PPLR方法在變分EM算法中采用了重采樣近似計(jì)算技術(shù),導(dǎo)致了較低的計(jì)算效率。本論文改進(jìn)現(xiàn)有的PPLR模型,獲得一個(gè)計(jì)算效率和計(jì)算精度更高的新模型IPPLR。
　　 IPPLR模型采用多層貝葉斯理論,在同時(shí)考慮基因的表達(dá)值和測(cè)量誤差的情況下,在原

3、有PPLR模型中增加一層隱含變量,代表每個(gè)基因的真實(shí)表達(dá)值,利用變分EM算法估計(jì)模型中的參數(shù),算法中每步計(jì)算都能得到解析解,從而克服了PPLR中低效的重采樣過(guò)程。通過(guò)GoldenSpike-in標(biāo)準(zhǔn)數(shù)據(jù)集和真實(shí)的Mouse Embryo數(shù)據(jù)集驗(yàn)證,IPPLR模型相比已有模型能同時(shí)提高計(jì)算精確度和計(jì)算效率。進(jìn)一步驗(yàn)證在大規(guī)模數(shù)據(jù)集,Mouse Hair數(shù)據(jù)集和Mouse Colitis數(shù)據(jù)集上,IPPLR模型能大幅度的提高計(jì)算效率,而且隨