在微阵列数据层次模型中区分基因及基因特异性治疗效应建模策略的重要性
应用统计
2012-10-01 v1
摘要
在分析微阵列数据时，层次模型常用于在估计均值和方差或识别差异表达时在基因间共享信息。许多方法采用了 Kendziorski 等人 [Stat. Med. (2003) 22 3899-3914] 提出的某种形式的两级层次模型结构，其中第一级描述基因间以及基因内不同差异表达处理间的潜在平均表达水平分布；第二级描述在给定潜在均值条件下，单个基因和处理的重复观测的条件分布。包括 Kendziorski 等人 [Stat. Med. (2003) 22 3899-3914] 的 EBarrays 包中使用的许多模型在内，均假设由治疗效应引起的表达水平变化与基因间的表达水平变化具有相同的分布。我们提供了经验证据表明该假设往往不充分，并提出三级层次模型作为对基于对数正态分布的两级 EBarrays 模型的扩展，以解决这一不足。我们证明，使用我们的三级模型会显著改变各种微阵列数据集的分析结果，并通过一系列模拟研究验证了所提方法的有效性和改进性能。我们还说明了在使用层次模型识别差异表达基因时，考虑基因特异性误差方差估计不确定性的的重要性。
引用
@article{arxiv.1209.6493,
title = {The importance of distinct modeling strategies for gene and gene-specific treatment effects in hierarchical models for microarray data},
author = {Steven P. Lund and Dan Nettleton},
journal= {arXiv preprint arXiv:1209.6493},
year = {2012}
}
备注
Published in at http://dx.doi.org/10.1214/12-AOAS535 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)