最小一乘估计在多重检验中的应用——基于乳腺癌微阵列数据

发布时间：2020-02-27 07:30

【摘要】：运用多重检验方法对高维数据进行推断统计分析.首先将最小一乘估计算法应用在多重检验分析中,构造出新的估计真实零假设个数的方法.其次对最小一乘与最小二乘方法估计真实零假设个数的准确性进行模拟比较分析,模拟结果表明前者较后者估算结果更准确.最后,将上述估计方法应用于乳腺癌微阵列数据的分析中寻找有表达差异的基因.检验结果共找到118个差异基因,其中85个基因在生物学上是有效基因,实证表明该方法具有一定的实用性.
【图文】：

第二次,最小二乘估计

１８０逡逑数学的实践与认识逡逑４７卷逡逑逦表１在ｍ＝１０００时，第一次模拟各组的统计分析表逦逡逑ｍ0邋的真值逦９００逦９１０逦９２０逦９３０逦９４０逦９５０逦９６０逦９７０逦９８０逦９９０逡逑ｍ0邋估计最小一乘估计邋９３２．邋９０邋９３９．邋１７邋９４５．３７邋９５２．７１邋９５９．０６邋９６６．２６邋９７３．邋４0９８０．２５邋９８６．邋４４邋９９３．４６逡逑值的均值最小二乘估计邋９４９．３９邋９５２．９８邋９５６．７５邋９６１．５３邋９６５．邋８１邋９７０．邋９６邋９７６．３４邋９８１．９２邋９８７．邋４６邋９９３．５７逡逑表２在ｍ＝５０００时，第二次模拟各组的统计分析表逦逡逑ｍ0邋的真值逦４５００逦４５５０逦４６００逦４６５０逦４７００逦４７５０逦４８００逦４８５０逦４９００逦４９５０逡逑ｍ0邋估计最小一乘估计邋４６４５．５９邋４６８０．３５邋４７１６．４９邋４７５２．３０邋４７８８．３３邋４８２５．３８邋４８６２．０４邋４８９８．４４邋４９３３．８７邋４９６８．８７逡逑值的均值最小二乘估计邋４７４８．６１邋４７６７．１１邋４７８７．６２邋４８０８．８６邋４８３１．６０邋４８５６．２８邋４８８２．２０邋４９０９．８９邋４９３８．８５邋４９６９．９０逡逑最小一乘估计、最小二乘估计下的ｍ０与其真值的比较逦最小一乘估计、最小二乘估计下的ｍＯ与其真值的比较逡逑１２３４５６７８９逦１０逦１逦２３４５６７８９逦１０逡逑组次逦组＊逡逑图１第一次模拟（ｍ＝邋１０００）逦图２第二次模拟（ｍ＝５０００）逡逑为了更进一步地比较这两种不同方法的准确性，采用样本不需要满足正态假设和方差齐逡逑次性假设的Ｋｒｗｓｆｃｄ邋－逦秩和检

第一,微阵列,估计方法,多重

刘金元，等：最小一乘估计在多重检验中的应用一￣？基于乳腺癌微阵列数据逡逑１８１逡逑２１期逡逑准确一些．逡逑不同估计方法下的ｍＯ值逦不同估计方法下的ｍＯ值逡逑１２逦１２逡逑ｅｓｔｉｍａｔｅ￥ｇ逦ｅｓｔｉｍａｔｅＳｇ逡逑１－最小一乘估２－扢小？朵估ｉｌ－逦１－Ｍ小一朵估ｉｌ邋．邋２－械小染OTｉ｜逡逑图３第一次模拟的第一组（ｍ＝１０００，邋ｍ0＝９００）邋图４第二次模拟的第一组（ｍ＝５0００，邋ｍ0邋＝４５0０）逡逑５多重检验在基因微阵列数据中的应用逡逑近年来，随着高新科技的迅猛发展，越来越多的领域对于数据处理的要求也越来越高，多逡逑重检验已成为一种有效解决大规模统计推断问题的新方法，其应用范围非常广泛，尤其是在逡逑生物医学领域，基因组研究中提出了一种新技术一基因微阵列技术，又称为ＤＮＡ微阵列逡逑技术，是指在固体表面（玻璃片或尼龙膜）上固定数以万计的人工合成的寡核苷酸片段或者逡逑ＤＮＡ克隆片段，用荧光或者基因组ＤＮＡ探针与之进行杂交，从而同时快速检测多个基因的逡逑表达水平的一项新技术．这项技术的应用之一就是检测两个不同条件下的基因表达是否存在逡逑差异，并从中识别出与条件相关的特异基因．逡逑５．１乳腺癌基因数据来源逡逑Ｈｅｄｅｎｆａｌｋ邋ｅｔ邋ａｌ（２００１）公开发布了一个关于乳腺癌患者的基因表达数据．在这组数据中，逡逑记录了不同类型乳腺癌患者的基因表达水平；其中，共有两种突变类型，分别为ＢＲＣＡ１型和逡逑ＢＲＣＡ２型．该资料提供了邋２２例乳腺癌患者的３２２６个基因表达数据，，这２２例患者分为四组：逡逑第一组７例，为ＢＲＣＡ１突变类型；第二组８例，为ＢＲＣＡ２突变类型；第三组６例，为零星逡逑类型（家族遗传史不清楚的患者

【相似文献】