基因芯片數(shù)據(jù)的統(tǒng)計(jì)分析.pdf

1、基因芯片數(shù)據(jù)的分析是近年來生物信息學(xué)的熱門研究課題，其中，差異表達(dá)基因的檢測(cè)已經(jīng)成為臨床醫(yī)學(xué)中探索致病基因的重要手段。針對(duì)差異表達(dá)基因的檢測(cè)問題，本文提出了一種理論上可行的方法。我們的方法主要分為兩個(gè)步驟：第一步是對(duì)全部基因進(jìn)行粗選，去掉明顯不具有重要性的基因；第二步是對(duì)剩余的基因進(jìn)行精選，其過程可以看成是一個(gè)變量選擇問題。為了實(shí)現(xiàn)第一個(gè)步驟，我們計(jì)算每個(gè)基因的單變量回歸模型的回歸系數(shù)，選出回歸系數(shù)較大的那些基因用于進(jìn)一步的分析。第二步

2、，我們?yōu)榛虮磉_(dá)數(shù)據(jù)建立logistic回歸模型，然后采用貝葉斯變量選擇的方法來檢測(cè)差異表達(dá)基因，從而找到致病基因。 Logistic模型在很多領(lǐng)域有著廣泛應(yīng)用。我們采用Frühwirth-Schnatter and Frühwirth(2007)提出的兩步數(shù)據(jù)擴(kuò)張的方法，通過引入兩列輔助變量將logistic模型轉(zhuǎn)化為誤差項(xiàng)服從正態(tài)分布的線性模型。第一步擴(kuò)張為每個(gè)觀測(cè)數(shù)據(jù)引入一個(gè)效用，這可以消除logistic模型的非線性。第

3、二步擴(kuò)張采用混合正態(tài)分布來逼近誤差分布，這可以消除模型的非正態(tài)性。 在相關(guān)文獻(xiàn)中Bayes變量選擇已經(jīng)有大量的研究，其中最著名的當(dāng)屬George and McCul-loch(1993)提出的隨機(jī)搜索變量選擇(SSVS)方法。然而此方法存在一些不足之處，例如變量選擇的結(jié)果對(duì)超參數(shù)有很強(qiáng)的依賴性，而且選出的結(jié)果也不是很精確，尤其是對(duì)相關(guān)的自變量。在這篇論文中，我們采用完全不同的方法。在SSVS中，可變的模型對(duì)應(yīng)于二元變量的一個(gè)序列

4、。與SSVS不同，我們直接用變量的下標(biāo)來表示候選模型。我們采用常規(guī)的共軛先驗(yàn)設(shè)置，并采用Stephens(2000)提出的生滅過程Markov鏈Monte Carlo抽樣策略來解決后驗(yàn)分布的變維抽樣問題。 為了檢驗(yàn)我們的變量選擇方法的精確性和有效性，本文進(jìn)行了一系列模擬實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果是令人滿意的：無論是對(duì)獨(dú)立的回歸自變量還是相關(guān)的自變量，我們的算法總能把真實(shí)的回歸自變量挑選出來，而且實(shí)驗(yàn)結(jié)果對(duì)超參數(shù)的依賴性很小。在大約20％的算