转录组元分析的贝叶斯潜在层次模型：检测聚类差异表达元模式的生物标志物
应用统计
2019-05-17 v2
摘要
由于高通量实验技术的快速发展和价格的快速下降，许多转录组数据集已在公共领域生成并积累。结合多个转录组研究的元分析可以提高检测疾病相关生物标志物的统计功效。在本文中，我们引入一种贝叶斯潜在层次模型来进行转录组元分析。该方法能够检测仅在部分合并研究中差异表达（DE）的基因，并且潜在变量有助于量化跨研究的同质和异质差异表达信号。对检测到的生物标志物应用紧密聚类算法，以捕获可用于指导进一步生物学研究的差异元模式。模拟以及三个实例（包括来自代谢相关敲除小鼠的微阵列数据集、来自HIV转基因大鼠的RNA-seq数据集，以及来自人类乳腺癌的跨平台数据集）被用于证明所提方法的性能。
引用
@article{arxiv.1707.03301,
title = {Bayesian latent hierarchical model for transcriptomic meta-analysis to detect biomarkers with clustered meta-patterns of differential expression signals},
author = {Zhiguang Huo and Chi Song and George Tseng},
journal= {arXiv preprint arXiv:1707.03301},
year = {2019}
}
备注
29 pages, 4 figures