基因芯片數(shù)據(jù)的統(tǒng)計分析.pdf

1、基因芯片數(shù)據(jù)的分析是近年來生物信息學的熱門研究課題，其中，差異表達基因的檢測已經(jīng)成為臨床醫(yī)學中探索致病基因的重要手段。針對差異表達基因的檢測問題，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步驟：第一步是對全部基因進行粗選，去掉明顯不具有重要性的基因；第二步是對剩余的基因進行精選，其過程可以看成是一個變量選擇問題。為了實現(xiàn)第一個步驟，我們計算每個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一步的分析。第二步

2、，我們?yōu)榛虮磉_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差異表達基因，從而找到致病基因。 Logistic模型在很多領域有著廣泛應用。我們采用Frühwirth-Schnatter and Frühwirth(2007)提出的兩步數(shù)據(jù)擴張的方法，通過引入兩列輔助變量將logistic模型轉化為誤差項服從正態(tài)分布的線性模型。第一步擴張為每個觀測數(shù)據(jù)引入一個效用，這可以消除logistic模型的非線性。第

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

4、。與SSVS不同，我們直接用變量的下標來表示候選模型。我們采用常規(guī)的共軛先驗設置，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分布的變維抽樣問題。 為了檢驗我們的變量選擇方法的精確性和有效性，本文進行了一系列模擬實驗。實驗結果是令人滿意的：無論是對獨立的回歸自變量還是相關的自變量，我們的算法總能把真實的回歸自變量挑選出來，而且實驗結果對超參數(shù)的依賴性很小。在大約20％的算