将生物信息融入线性模型：通路与基因选择的贝叶斯方法
应用统计
2011-11-24 v1
摘要
多年来积累的大量生物学知识使研究人员能够识别各种生化相互作用并定义不同的通路家族。人们对识别参与特定生物学过程的通路及通路要素的兴趣日益浓厚。例如，药物发现工作集中于识别生物标志物以及与疾病相关的通路。我们提出一种贝叶斯模型，通过在DNA微阵列数据分析中融入通路和基因网络信息来解决这一问题。此类信息被用于定义通路概要、指定先验分布，并构建MCMC移动以拟合模型。我们通过将其应用于具有删失生存结果的基因表达数据来阐明该方法。除能够识别原本会被遗漏的标志物并提高预测精度外，将现有生物学知识整合到分析中还有助于更好地理解潜在的分子过程。
引用
@article{arxiv.1111.5419,
title = {Incorporating biological information into linear models: A Bayesian approach to the selection of pathways and genes},
author = {Francesco C. Stingo and Yian A. Chen and Mahlet G. Tadesse and Marina Vannucci},
journal= {arXiv preprint arXiv:1111.5419},
year = {2011}
}
备注
Published in at http://dx.doi.org/10.1214/11-AOAS463 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)