行为遗传学中的高通量数据分析
应用统计
2010-11-10 v1
摘要
近年来，不同领域对开发用于自动分析大量数据（高通量）的计算系统的需求日益增长。处理非标准噪声结构和异常值（这些在手动分析中本可以被检测和纠正）现在必须借助稳健方法内置到系统中。我们讨论了这些问题，并在行为遗传学的背景下提出了见解和解决方案，该背景下的数据由小鼠在圆形场地中的位置时间序列组成。为了估计小鼠的位置、速度和加速度，并识别停顿，我们使用了非标准的稳健和抗差方法组合：LOWESS和重复运行中位数。此外，我们认为，使用统计方法可以自动处理对实验协议的小偏差。在我们的案例中，测量啮齿动物与场地墙壁的距离具有生物学意义，但如果场地不是协议要求的完美圆形，则该测量值会被破坏。通过使用为此目的开发的快速算法，利用行为数据的非参数回归分位数稳健地估计场地的实际边界及其中心，解决了该问题。
引用
@article{arxiv.1011.1987,
title = {High-throughput data analysis in behavior genetics},
author = {Anat Sakov and Ilan Golani and Dina Lipkind and Yoav Benjamini},
journal= {arXiv preprint arXiv:1011.1987},
year = {2010}
}
备注
Published in at http://dx.doi.org/10.1214/09-AOAS304 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)