鼠与人：心血管基因组学中的稀疏统计建模

在高通量基因组学中，大规模设计实验正变得日益普遍，而基于高度多元回归和方差分析（ANOVA）概念的分析方法是关键工具。某种形式的收缩模型可为涉及隐式多重比较的联合推断问题提供全面的解决方案，这些问题涉及代表设计因子和协变量效应的众多参数。我们在心血管基因组学研究中采用了此类方法。主要的实验背景是一项精心设计且内容丰富的基因表达研究，专注于基因 - 环境相互作用，旨在识别与疾病状态和已知风险因素相关的基因，并生成作为此类风险因素代理的表达特征。一项配套的探索性分析调查了基因表达特征的跨物种外推——即这些小鼠模型特征如何转化至人类。后者涉及对人类观测数据进行稀疏潜因子分析的探索，以及分析其与从动物模型中推导出的预测风险特征之间的关系。该研究还突显了一系列应用统计和基因组数据分析问题，包括模型设定、计算问题以及 DNA 微阵列数据中基于模型的实验伪影校正。