具有非线性效应的剪接连接点微阵列数据的潜在秩变化检测
应用统计
2011-04-18 v1
摘要
基因转录本的选择性剪接极大地扩展了基因组的功能容量，某些剪接异构体可能指示特定的疾病状态，如癌症。剪接连接点微阵列可检测数千个剪接连接点，但由于与差异基因表达分析相比复杂性增加，数据分析困难且容易出错。我们提出秩变化检测（RCD）作为一种基于直接概率模型来识别差异剪接事件的方法，该模型比较两个或多个竞争性异构体的过表达或欠表达。RCD 相对于常用方法具有优势，因为它对微阵列测量中的非线性趋势导致的假阳性错误具有鲁棒性。此外，RCD 不依赖于剪接异构体的先验知识，但利用了互斥连接点的内在结构，并且在概念上可推广到其他类型的剪接阵列或 RNA-Seq。RCD 特别识别出生物学上重要的情况，即当一个剪接连接点相对于其他互斥连接点变得更为普遍或更不普遍时。示例数据来自使用安捷伦微阵列检测的不同胶质母细胞瘤肿瘤细胞系。
引用
@article{arxiv.1104.3016,
title = {Latent rank change detection for analysis of splice-junction microarrays with nonlinear effects},
author = {Jonathan Gelfond and Lee Ann Zarzabal and Tarea Burton and Suzanne Burns and Mari Sogayar and Luiz O. F. Penalva},
journal= {arXiv preprint arXiv:1104.3016},
year = {2011}
}
备注
Published in at http://dx.doi.org/10.1214/10-AOAS389 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)