利用鲁棒状态空间模型进行阵列 CGH 数据的信号提取与断点识别
应用统计
2012-01-26 v1
摘要
阵列比较基因组杂交 (CGH) 是一种评估 DNA 拷贝数变异的高分辨率技术。识别拷贝数发生变化的断点将有助于增进对人类疾病（如癌症）发病机制的理解。然而，阵列 CGH 数据中包含的生物变异和实验误差可能导致断点的假阳性识别。我们提出了一种用于阵列 CGH 数据分析的鲁棒状态空间模型。该模型由两个方程组成：观测方程和状态方程，其中测量误差和演化误差均被设定为服从自由度较小的 t 分布。完全未指定的 CGH 谱通过马尔可夫链蒙特卡洛 (MCMC) 算法进行估计。基于 CGH 谱的后验抽样，我们采用一种新颖的后向选择程序来识别断点和异常值。与另外三种流行方法相比，我们的方法展示了若干理想特性，包括假阳性率控制、对异常值的鲁棒性以及优越的断点检测能力。所有这些特性均通过模拟数据集和真实数据集进行了演示。
引用
@article{arxiv.1201.5169,
title = {Signal extraction and breakpoint identification for array CGH data using robust state space model},
author = {Bin Zhu and Jeremy M. G. Taylor and Peter X. -K. Song},
journal= {arXiv preprint arXiv:1201.5169},
year = {2012}
}