Gene profiling for determining pluripotent genes in a time course microarray experiment
在微阵列实验中，通常感兴趣的是鉴定具有相对于时间的预定基因表达谱的基因。然而，文献中可用的方法在鉴定此类基因时通常不够严格，特别是当谱需要在某些时间点的基因表达水平相等时。在本文中，作者介绍了一种新的方法，称为基因分析，使用同时差分和等效基因表达水平测试排名基因根据预先指定的基因表达谱。基因谱分析将真实基因表达水平的载体视为适当载体的线性组合，即，为配置文件提供所需标准的向量。将该基因谱模型拟合到数据中，并将所得参数估计值总结在单个检验统计量中，然后将其用于对基因进行排序。本文讨论了基因分析的理论基础（等价性检验、交叉-联合检验），并将基因分析方法应用于我们的激励干细胞实验。
2008-07-23 stat.AP
Bayesian latent hierarchical model for transcriptomic meta-analysis to detect biomarkers with clustered meta-patterns of differential expression signals
由于高通量实验技术的快速发展和价格的快速下降，许多转录组数据集已经在公共领域产生和积累。结合多项转录组学研究的荟萃分析可提高检测疾病相关生物标志物的统计功效。在本文中，我们引入贝叶斯潜在层次模型进行转录组荟萃分析。该方法能够检测仅在组合研究的子集中差异表达（DE）的基因，并且潜变量有助于量化研究中的同质和异质差异表达信号。紧密聚类算法应用于检测到的生物标志物，以捕获信息丰富的差异元模式，以指导进一步的生物学研究。模拟和三个例子，包括代谢相关基因敲除小鼠的微阵列数据集，来自HIV转基因大鼠的RNA-seq数据集和来自人类乳腺癌的跨平台数据集，被用来证明所提出的方法的性能。
2018-08-19 stat.AP
Predictive analysis of microarray data
Instituto de Matemática e Estatística da Universidade de São Paulo（圣保罗大学数学与统计学院）
本研究用贝叶斯非参数模型分析微阵列基因表达数据，聚焦未来可观测值预测，提出差异表达基因选择方法与分类器。
2014-06-10 stat.AP stat.ME
Identifying down and up-regulated chromosome regions using RNA-Seq data
在过去的几年里，处理RNA-Seq数据分析的研究数量迅速增加，使这种类型的基因表达成为DNA微阵列的强有力竞争对手。本文提出了一种贝叶斯模型，使用RNA-Seq数据检测下调和上调的染色体区域。该方法是基于最近的工作开发的微阵列数据的上下文中检测上调区域。一个隐马尔可夫模型的开发考虑的混合物的高斯分布与有序的手段的方式，第一个和最后的混合物成分应该分别容纳下和过表达的基因。该模型是灵活的，足以有效地处理高度不规则的空间配置的数据，假设一个层次马尔可夫依赖结构。四个癌症数据集（乳腺癌，肺癌，卵巢癌和子宫癌）的分析。结果表明，所提出的模型是选择性的，在确定的监管状态，鲁棒性相对于先前的规格，并提供了工具的全球或局部搜索下和过表达的染色体区域。
2017-08-19 stat.AP
Survival ensembles by the sum of pairwise differences with application to lung cancer microarray studies
肺癌是美国最常见的癌症之一，就发病率和死亡率而言。据估计，2009年，仅肺癌就将导致15万多人死亡。遗传信息是一个非常有价值的数据来源，在表征癌症的个人性质。在过去的几年里，研究人员进行了许多关联研究，与基因预测因子的数量相比，收集了相对较少的患者的密集遗传数据，其中一个科学目标是确定与癌症复发或生存相关的遗传特征。在这篇文章中，我们提出了高维生存分析，通过一个新的应用程序的boosting，一个强大的工具，在机器学习。我们的方法是基于加速寿命模型和最小化残差的成对差异的总和。我们将我们的方法应用于最近的肺腺癌微阵列研究，发现我们的合奏是由19个基因，而比例风险（PH）合奏是由9个基因，19个基因面板的一个适当的子集。在我们的一个模拟场景中，我们证明了在一个错误指定的模型中，PH值的提升往往会不适合并忽略中等大小的协变量效应。诊断分析表明，PH假设是不满意的微阵列数据，并可能解释，在一定程度上，在集的活性系数的差异。我们的模拟研究和比较数据分析表明，仅通过PH模型进行统计学习是不够的。
2011-08-09 stat.AP
Inference on low-rank data matrices with applications to microarray data
探针级微阵列数据通常存储在矩阵中，其中行和列分别对应于阵列和探针。科学家们通常通过单个指标总结每个阵列，作为每个探针组（基因）的表达水平。我们研究的充分性的一个一维的总结特征的数据矩阵的每个探针集。要做到这一点，我们提出了一个低秩矩阵模型的探针级强度，并开发了一个有用的框架，用于测试针对目标的替代品的充分性的一维。这是一个有趣的统计问题，其中必须基于一个数据矩阵进行推断，该数据矩阵的条目不是独立同分布的。我们分析了所提出的检验统计量的渐近性质，并使用蒙特卡罗模拟来评估其小样本性能。所提出的测试基因芯片数据的应用程序表明，对一维模型的证据往往是一个探针集的实际相关功能的指示。
2010-09-29 stat.AP
Diverse correlation structures in gene expression data and their utility in improving statistical inference
众所周知，微阵列数据中的相关性代表了一个严重的滋扰，恶化了基因选择程序的性能。本文旨在证明，相关结构的微阵列数据提供了丰富的有用信息的来源。我们讨论了不同的相关子结构，揭示了在微阵列基因表达数据的基因的适当排序。这些子结构包括在所有基因对的很大比例中表达信号的随机比例，隐藏在有序基因三元组中的负相关，以及与有序基因对相关的弱依赖随机变量的长序列。这些引人注目的发现不仅具有普遍的生物学意义，而且对微阵列数据分析的统计方法的理论和实践具有深远的意义。我们说明了后一点与非重叠基因对的差异表达测试的方法。虽然设计用于测试不同的原假设，但与单个基因表达谱分析的常规方法相比，该方法提供了一个数量级更准确的1型错误率控制。此外，该方法对技术噪声具有鲁棒性。相关性结构的定量推断有可能将微阵列数据的分析扩展到远远超出目前实践的方法。
2007-12-13 stat.AP
Identification of significant features in DNA microarray data
DNA微阵列是一种相对较新的技术，可以同时测量数千个基因的表达水平。它们已成为各种生物实验的重要工具。DNA微阵列实验最常见的目标之一是识别与感兴趣的生物过程相关的基因。由于小的样本量、噪声数据和基因表达水平之间的相关性，传统的统计检验在应用于微阵列数据时通常产生差的结果。因此，需要新的统计方法来识别DNA微阵列实验中的重要基因。本文讨论了DNA微阵列分析中固有的挑战，并描述了一系列可用于克服这些挑战的统计技术。多个假设检验的问题，它与微阵列研究的关系也被认为是，随着几种可能的解决方案。
2013-04-13 q-bio.GN q-bio.QM stat.AP
A statistical framework for testing functional categories in microarray data
对新兴的基因注释和功能途径数据库的快速访问已经将DNA微阵列研究中的差异表达评估从单个基因转移到具有共同生物学功能的基因组。本文对现有的评估一组基因（功能类别）差异表达的方法进行了批判性的审视，并提供了一些改进性能的建议。我们首先提出了一个一般的框架，其中一组基因的功能类别相比，互补的一组基因的阵列。该框架包括测试一系列重要基因中某一类别的过度表达，以及考虑差异表达的连续测量的方法。现有的测试分为两类。1类检验假设差异表达的基因特异性测量是独立的，尽管有压倒性的正相关证据。分析和模拟结果表明，1类测试是强烈的反保守的实践。第2类测试说明基因相关性，通常通过阵列排列，其通过构造对诱导的空值具有适当的第一类错误控制。然而，1类和2类检验均使用所有基因具有相同程度的差异表达的原假设。我们引入了一个更明智的和一般的（第3类）空下的微分表达式的配置文件是相同的范畴和补充。在这个更广泛的空值下，2类测试被证明是保守的。我们提出了标准的自举方法对3类空测试，并证明他们提供有效的第一类错误控制和更多的权力比阵列排列在模拟数据集和真正的微阵列实验。
2008-03-27 stat.AP
Integrative Model-based clustering of microarray methylation and expression data
在许多领域，研究人员对大型复杂的生物过程感兴趣。两个重要的例子是遗传学中的基因表达和DNA甲基化。一个关键问题是确定这些过程的异常模式，并发现生物学上不同的群体。在这篇文章中，我们开发了一个基于模型的方法来聚类这些数据。我们的方法的基础涉及任何给定的分区的主题的可能性的建设。我们引入集群特定的潜在指标，随着一些标准的假设，对每个集群施加特定的混合分布。使用期望最大化算法进行估计。这些方法自然地扩展到具有类似性质的多种数据类型，这导致了对多个数据平台的综合分析，从而产生更高的区分能力。
2012-10-02 stat.AP
Rasch-based high-dimensionality data reduction and class prediction with applications to microarray gene expression data
Institute of Medical Genetics, University Medical Centre Ljubljana（卢布尔雅那大学医学中心医学遗传学研究所）
类别预测是微阵列基因表达数据分析的一个重要应用。微阵列数据的高维性，其中基因（变量）的数量与样本（观察）的数量相比非常大，使得许多预测技术（例如，逻辑回归，判别分析）困难。解决这一问题的一个有效途径是采用降维统计技术。Rasch模型（RM）为处理高维微阵列数据提供了一个有吸引力的框架，在心理学相关的应用中得到了越来越多的应用。在本文中，我们研究了基于RM的建模在二值化的微阵列基因表达数据的降维中的潜力，并使用线性判别分析在类预测的背景下研究其预测准确性。两个不同的公开可用的微阵列数据集被用来说明该方法的一般框架。所提出的方法的性能进行了评估，使用主成分分析（PCA）作为基准方法的重新随机化计划。我们的研究结果表明，基于RM的降维是有效的PCA的降维。该方法具有通用性，可应用于其他高维数据问题。
2010-06-05 cs.AI stat.AP stat.ME
Profiling time course expression of virus genes---an illustration of Bayesian inference under shape restrictions
基于基因芯片技术的病毒全基因组时间转录程序研究在构建基因调控网络方面具有重要意义。这些研究中的生物学解释似乎直接基于归一化数据和一些粗略的统计数据，这些数据和统计数据提供了对轮廓的有限特征的粗略估计，可能会产生偏差。本文介绍了一种用于病毒基因表达时程推断的多层贝叶斯形状约束回归方法。通过这种方法可以立即获得表达谱的许多显著特征的估计，如开始时间、拐点、最大值、最大值时间、曲线下面积等。应用这种方法的杆状病毒微阵列时程表达数据集，我们表明，许多生物学问题可以定量制定，我们能够提供深入了解杆状病毒生物学。
2010-09-29 stat.AP
Bayesian meta-analysis for identifying periodically expressed genes in fission yeast cell cycle
从全基因组微阵列时间序列数据中识别细胞周期中具有周期性表达的基因的努力已经持续了十年。然而，缺乏严格的建模的周期性表达，以及缺乏一个全面的模型，整合信息的基因和实验，削弱了努力的准确识别周期性表达的基因。为了解决这个问题，我们引入贝叶斯模型来整合多个独立的微阵列数据集，从三个最近的全基因组细胞周期研究裂变酵母。数据集成采用层次模型。为了便于从联合后验分布中进行有效的蒙特卡罗抽样，我们提出了一种新的Metropolis-Hastings群移动。从我们的综合分析中，一个令人惊讶的发现是，在裂殖酵母中超过40%的基因是显著周期性表达的，大大增强了目前文献中报道的10- 15%的基因。它要求重新考虑周期性表达的基因检测问题。
2010-11-09 stat.AP
Quality assessment for short oligonucleotide microarray data
基因表达谱芯片数据的质量是一个新的研究课题。与其他领域一样，微阵列质量通过比较微阵列之间的适当数值总结来评估，以便可以可视化离群值和趋势，并且可以识别质量差的阵列或质量可变的阵列组。由于每个阵列都包含数万或数十万个测量值，因此挑战在于找到可用于进行准确质量调用的数字摘要。为此，引入了几个新的质量措施的基础上探针水平和概率水平的信息，所有获得的低级别的分析算法RMA/fitPLM的AffytechnologyGeneChips的副产品。质量景观空间定位芯片或杂交问题。数值芯片质量措施是从分布的归一化无标度标准误和相对对数表达式。通过残差比例因子评估芯片批次的质量。这些质量评估措施在各种数据集（加标实验，小型实验室实验，多中心研究）上得到证明。将它们与Affyoung的单个芯片质量报告进行比较。
2007-11-16 stat.AP stat.ME
Feature selection for longitudinal microarray data by adapting a pathway analysis method
简介：特征选择和基因集分析在生物信息学中越来越受到关注。虽然这两种方法已经开发了不同的目的，我们描述了一些基因集分析方法可以用来进行特征选择。在这里，我们适应的基因集分析方法，显著性分析的微阵列基因集减少（SAMGSR），特征选择，并提出了两个扩展-简单SAMGSR和两个级别SAMGSR纵向微阵列数据识别相关功能。结果和讨论：当应用于实际应用时，简单和两级SAMGSR都能很好地工作。使用模拟数据，我们进一步证明，这两个SAMGSR扩展有能力识别真正的相关基因。如果相关基因与不相关基因之间的相关性不高，则两个SAMGSR扩展给出的最终模型也是简约的。结论：通过将SAMGSR用于特征选择并将所提出的算法应用于纵向基因表达数据集，我们证明了基因集分析方法可以用于特征选择的目的。我们相信这项工作为更多的研究铺平了道路，以弥合特征选择和基因集分析与新算法的发展。
2015-11-26 q-bio.QM stat.AP stat.ME
Compressive Regularized Discriminant Analysis of High-Dimensional Data with Applications to Microarray Studies
我们提出了一种线性判别分析的修改，称为压缩正则化判别分析（CRDA），用于分析高维数据集。CRDA是专门设计用于特征消除的，可以用作基因芯片研究中的基因选择方法。CRDA借鉴了多测量向量（MMV）模型中的$\ell_{q,1}$范数最小化算法的思想，并利用联合稀疏促进硬阈值进行特征消除。当我们考虑具有挑战性的场景时，也需要正则化样本协方差阵，其中特征（变量）的数量与训练数据集的样本量相当或超过该样本量。模拟研究和四个例子的真实生活中的微阵列数据集评估的性能CRDA分类。总的来说，所提出的方法给出了更少的误分类错误比它的竞争对手，而在同一时间实现准确的特征选择。
2018-04-11 stat.AP stat.ME stat.ML
High-dimensional Feature Selection Using Hierarchical Bayesian Logistic Regression with Heavy-tailed Priors
在现代科学的许多领域中，从大量（例如，数千个）候选特征中选择最有用的特征的问题都出现了。基因组研究中一个有趣的问题是，从数千个在某些组织细胞中活跃（表达）的基因中，我们希望找到可用于分离不同类别组织的基因（例如，基因组）。癌症和正常）。本文报道了我们在小自由度（如1）和极小尺度下，使用基于重尾先验的贝叶斯逻辑斯谛回归，并使用哈密顿蒙特卡罗进行计算的经验。我们讨论了这种方法的优点和局限性，并说明了尚未解决的困难。该方法应用于与前列腺癌相关的真实微阵列数据集。该方法仅识别出6033个候选基因中的3个非冗余基因，但比许多其他方法实现了更好的留一交叉验证预测精度。
2018-05-12 stat.AP stat.CO
Transcription factor binding site prediction with multivariate gene expression data
多样本微阵列实验已经成为研究生物系统的标准实验方法。这类研究的一个常见目标是揭示基因之间的调控关系。在过去的几年中，回归模型已经提出了从头发现的顺式作用的调控序列，使用基因表达数据。然而，当应用于多样本实验时，现有的基于回归的方法分别对每个单独的样本进行建模。为了更好地捕捉多样本微阵列实验中的动态关系，我们提出了一种灵活的启动子序列和多变量表达数据的联合建模方法。在更高级的真核基因组中，表达调控通常涉及几个转录因子之间的组合相互作用。实验表明，转录因子结合位点之间的间隔可以显着影响其激活基因表达的强度。我们提出了一个自适应的模型构建程序来捕获这种间距依赖的顺式作用的调控模块。我们将我们的方法应用于酵母和拟南芥中的微阵列时程实验的分析。这些实验表现出非常不同的动态时间关系。对于这两个数据集，我们已经找到了所有已知的顺式作用的调控元件在相关的背景下，以及能够预测新的元素。
2008-03-27 stat.AP
A Bayesian model averaging approach for observational gene expression studies
鉴定与样品特征相关的差异表达（DE）基因是许多微阵列研究的主要目标。随着越来越多的研究采用观察性样本而非良好对照的实验样本进行，评估和适当控制样本异质性对DE基因发现的影响变得非常重要。用于鉴定DE基因的典型方法需要根据基于用于两个或更多个组比较的单个模型的预先选择的统计量对所有基因进行排序，其中调整或不调整其它协变量。这种单一模型方法必然导致模型误指定，这可能导致由于某些基因的偏差而增加的误差和其他基因的效率降低。我们评估了这种方法对检测DE基因的模型错误指定的影响，并确定了影响影响程度的参数。为了正确控制样本异质性，并提供一个灵活和连贯的框架，同时确定DE基因与一个或多个样本的特征和/或它们的相互作用，我们提出了一个贝叶斯模型平均的方法，纠正了模型的错误指定的平均模型空间形成的所有相关的协变量。一个经验的方法，建议指定先验模型的概率。我们通过模拟的微阵列数据表明，与单一模型方法相比，这种方法在DE基因识别中的性能得到了改善。这种方法的灵活性通过我们对两项观察性微阵列研究的数据分析得到了证明。
2012-06-29 stat.AP
Analysis of comparative data with hierarchical autocorrelation
在分层相关抽样单元下，研究了线性模型中估计和信息准则的渐近性态。这项工作的动机是收集的物种的生物数据，其中自相关是基于物种的系谱树。分层自相关也存在于许多其他类型的数据中，例如来自微阵列实验或人类语言的数据。在具有嵌套效应的ANOVA模型中也会出现类似的相关性。我表明，最好的线性无偏估计几乎肯定是收敛的，但可能不一致的一些参数，如截距和血统的影响，在布朗运动进化的背景下的系谱树。为了模型选择的目的，我表明，通常的BIC不提供一个适当的近似模型的后验概率。为了纠正这一点，有效的样本量是不一致的估计参数。对于生物学研究，这项工作意味着树感知的采样设计是可取的，增加更多的采样单位可能无助于祖先重建，只有强大的谱系效应可以检测到高功率。
2008-11-14 math.ST q-bio.PE stat.AP
Bayesian Gene Set Analysis
基因表达微阵列技术提供了大量基因的同时测量。对这些数据的典型分析集中在单个基因上，但最近的工作表明，评估预定义的基因组之间的表达变化通常会增加统计功效，并产生更稳健的结果。我们介绍了一种新的方法来识别在不同实验条件下差异表达的基因集。我们的方法使用了一个分层贝叶斯框架，其中一个超参数测量每个基因集的重要性。使用模拟数据，我们将我们提出的方法与其他方法进行比较，例如基因集富集分析（GSEA）和基因集分析（GSA）。我们的方法提供了最佳的整体性能。我们还讨论了我们的方法的应用程序的基础上p53突变状态的实验数据。
2010-06-26 q-bio.QM stat.AP
SMAGEXP: a galaxy tool suite for transcriptomics data meta-analysis
背景：随着可用的微阵列和高通量测序实验在公共领域的扩散，荟萃分析方法的使用增加。在这些实验中，样本量往往是有限的，荟萃分析提供了可能性，大大提高统计能力，并给出更准确的结果。为了这些目的，它以适当的方式结合了效应量或单个研究的结果。R软件包MetaMA和MetaRNASeq分别对微阵列和NGS数据进行荟萃分析。它们是不可互换的，因为它们依赖于特定于每种技术的统计建模。结果：SMAGEXP（Statistical Meta-Analysis for Gene Expression）将MetaMA和MetaRNAseq软件包集成到Galaxy中。我们的目标是提出一种统一的方法来进行基因表达数据的荟萃分析，同时照顾到它们的特异性。我们已经开发了这个工具套件来分析来自基因表达综合数据库（GEO）的微阵列数据或来自Affyphase微阵列的定制数据。然后将这些数据合并，使用MetaMA软件包进行荟萃分析。SMAGEXP还提供使用DESeq 2和MetaRNASeq包组合下一代测序（NGS）实验的原始读段计数。在这两种情况下，报告独立于技术类型的关键值来判断荟萃分析的质量。这些工具可在Galaxy主工具库中找到。源代码、帮助和安装说明可以在github上找到。结论：Galaxy的使用提供了一个基于MetaMA和MetaRNASeq软件包的易于使用的基因表达荟萃分析工具套件。
2018-02-22 q-bio.GN q-bio.QM stat.AP
GaGa: A parsimonious and flexible model for differential expression analysis
分层模型是一个强大的工具，用于高通量数据，具有少量到中等数量的重复，因为它们允许跨信息单元（例如基因）共享信息。我们提出了两个这样的模型，并显示其在微阵列差异表达应用的敏感性增加。我们建立在gamma-gamma分层模型介绍了Kendziorski等人。Med.22（2003）3899- 3914]和Newton等人[Biostatistics 5（2004）155- 176]，通过解决可能阻碍其性能和更广泛使用的重要限制。这些模型用少量的超参数粗略地描述了数千个基因的表达。这使得它们易于解释和分析。第一个模型是一个简单的扩展，它大大提高了拟合，几乎没有增加复杂性。我们提出了第二个扩展，使用混合的Γ分布，以进一步提高拟合，在增加计算负担的代价。我们得到几个近似，显着降低计算成本。我们发现，我们的模型优于原来制定的模型，以及其他一些流行的方法进行差异表达分析。对于高通量实验中经常遇到的小样本量，性能的提高尤其明显。我们的方法在免费提供的Bioconductor gaga包中实现。
2009-10-08 stat.AP
Inference of Temporally Varying Bayesian Networks
在分析基因表达时间序列数据时，该模型的一个经常被忽视但至关重要的方面是调控网络结构可能随时间而变化。虽然一些方法已经解决了这个问题，以前在文献中，许多都不太适合的数据的连续性。在这里，我们提出了一种方法，使我们能够推断调控网络结构，可能会在不同的时间点之间，利用一组隐藏的状态，描述在给定的时间点的网络结构。为了对隐藏状态的分布进行建模，我们应用了分层狄利克雷过程隐藏马尔可夫模型，这是传统隐马尔可夫模型的非参数扩展，不需要我们预先固定隐藏状态的数量。我们应用我们的方法来验证微阵列表达数据，以及证明是有效的模拟测试数据。
2012-03-02 q-bio.MN stat.AP
Performance evaluation of DNA copy number segmentation methods
许多生物信息学或生物统计学方法可用于分析从微阵列或测序技术测量的DNA拷贝数谱。在缺乏足够丰富的黄金标准数据集的情况下，这些方法的性能通常使用不切实际的模拟研究或基于小的真实数据分析来评估。我们已经设计并实现了一个框架，以生成具有已知真相的癌症样本的真实DNA拷贝数谱。这些谱是通过来自具有已知拷贝数状态的基因组区域的真实SNP微阵列数据产生的。原始的真实数据是从肿瘤细胞系的稀释系列中提取的，具有几个浓度的匹配血液样品。因此，可以通过样品中肿瘤细胞的（已知）百分比来控制生成的谱的信噪比。在本文中，我们描述了这个框架，并说明了一些建议的数据生成方法的实际用例的好处：从SNP微阵列分割DNA拷贝数分布图的方法之间的比较研究。这项研究表明，没有一种方法是一致优于所有其他方法。它还有助于确定比较方法的利弊，作为生物信息参数的函数，例如样品中肿瘤细胞的分数和杂合标记物的比例。可用性：R包jointSeg：http://r-forge.r-project.org/R/?组ID=1562
2015-11-05 q-bio.QM stat.AP
Comparison of Clustering Methods for Time Course Genomic Data: Applications to Aging Effects
时间进程微阵列数据提供了关于动态生物过程的见解。虽然已经提出了几种聚类方法来分析这些数据结构，比较和选择适当的聚类方法很少讨论。我们比较了$3$基于概率的聚类方法和$3$基于距离的聚类方法的时间进程微阵列数据。在概率方法中，我们考虑：平滑样条聚类也称为基于模型的功能数据分析（MFDA），稀疏采样数据的功能聚类模型（FCM）和基于模型的聚类（MCLUST）。在基于距离的方法中，我们考虑了：加权基因共表达网络分析（WGCNA），动态时间弯曲距离聚类（DTW）和基于自相关距离的聚类（ACF）。我们研究了这些算法在模拟设置和案例研究数据。我们的研究表明，当基因曲线短而稀疏时，FCM表现得很好。当基因曲线为中等或长时（$>=10$观察），DTW和WGCNA表现良好。当存在彼此相似的基因曲线簇时，SSC表现得非常好。总体而言，ACF在这些应用中表现不佳。在计算时间方面，FCM，SSC和DTW比MCLUST和WGCNA慢得多。WGCNA通过生成更准确和生物学意义的聚类结果而优于MCLUST。综合考虑性能和计算时间，WGCNA和MCLUST是比较好的方法。WGCNA优于MCLUST，但MCLUST提供了基于模型的推理和聚类结果的不确定性度量。
2014-04-29 stat.AP
A hidden spatial-temporal Markov random field model for network-based analysis of time course gene expression data
微阵列时程（MTC）基因表达数据通常被收集来研究生物过程的动态性质。一个重要的问题是确定随着时间的推移表现出不同表达谱的基因和在给定的生物过程中受到干扰的途径。虽然有方法可用于鉴定随时间具有差异表达水平的基因，但缺乏可以将途径信息并入鉴定在生物过程期间被修饰/激活的途径的方法。在本文中，我们开发了一个隐藏的时空马尔可夫随机场（hstMRF）为基础的方法，用于识别基因和子网络，与生物过程相关的，在网络上的基因的差异表达模式的依赖关系建模随着时间的推移和网络的途径。仿真研究表明，该方法是非常有效的，在识别基因和修改的子网络，并具有更高的灵敏度比常用的程序，不使用的路径结构或时间依赖性的信息，具有类似的错误发现率。应用于人类全身性炎症的微阵列基因表达研究，确定了KEGG通路上的一组核心基因，这些基因随时间推移显示出明显的差异表达模式。此外，该方法证实了TOLL样信号通路在对内毒素的免疫应答中起重要作用。
2008-03-27 stat.AP
State-space modeling of dynamic genetic networks
基因组现实是一个高度复杂和动态的系统。高通量技术的最新发展使研究人员能够同时测量许多基因（数千个）的丰度。挑战在于从这些测量中解开基因/蛋白质或基因/基因或蛋白质/蛋白质相互作用以及细胞系统的关键生物学特征。我们的目标是设计一种方法来推断转录或基因调控网络的高通量数据源，如基因表达微阵列与潜在的隐藏状态，如未测量的转录因子（TF），满足一定的马尔可夫性。我们提出了一个动态的状态空间表示。我们的方法是基于期望最大化算法与纳入卡尔曼平滑算法在E-步骤，引导置信区间推断网络和AIC的模型选择。状态空间模型是一种有效的反向工程转录网络的方法。所提出的方法被施加到时间过程中获得的微阵列数据从良好建立的T细胞。当我们将该方法应用于T细胞数据时，我们获得了4，作为隐藏状态的最佳数量。我们的研究结果支持有趣的生物学特性在家庭的Jun基因。以下基因大多被视为调控基因。这些基因包括FYB、CCNA 2、AKT 1、TRAF 5、CASP 4和CTNNB 1。我们发现Jun-B和SMN 1之间存在相互作用，CDC 2激活Jun-D。我们发现很少有显着的相互作用或一对一的对应关系之间的4个假定的转录因子。在外向边缘的重要关键基因中，我们发现CCNA 2，JUNB，CDC 2，CASP 4，JUND等基因具有高度的连接性。R计算机源代码可在我们的网站http://www.math.rug.nl/stat/M…
2013-10-05 stat.AP
A framework for list representation, enabling list stabilization through incorporation of gene exchangeabilities
来自例如微阵列研究的多变量数据集的分析经常导致与感兴趣的一些响应相关的基因列表。生物学解释往往是复杂的统计不稳定性获得的基因列表相对于采样的变化，这可能部分是由于基因之间的功能冗余，这意味着多个基因可以在细胞中发挥可交换的作用。在本文中，我们使用的概念交换的随机变量模型的功能冗余，从而占抽样变化的不稳定性。我们提出了一个灵活的框架，将交换到列表的表示。所提出的框架支持任何两个列表之间的简单可靠的比较。它也可以用来生成新的，更稳定的基因排名，从实验数据中整合更多的信息。使用来自肺癌患者的微阵列数据集，我们表明，所提出的方法提供了更强大的基因排名比现有的方法相对于采样变化，而不影响生物学意义。
2011-03-15 math.ST stat.AP stat.CO
Tellipsoid: Exploiting inter-gene correlation for improved detection of differential gene expression
动机：微阵列数据的差异分析算法对现代生物医学研究至关重要。它们的准确性强烈依赖于基因间相关性的有效处理。相关性通常根据其对显著性临界值的影响来解释。在本文中，它表明，相关性，事实上，可以利用{跨测试共享信息}，这反过来又可以增加统计功效。结果如下：显著改进的差异分析方法是可识别性（在大多数微阵列数据集中，大部分基因可以被先验地识别为非差异的事实）与结合相关性的优化标准相结合的结果。作为一个特殊的情况下，我们开发了一种方法，它建立在广泛使用的双样本t-统计量为基础的方法，并使用马氏距离作为最优性标准。Singh等人（2002）的前列腺癌数据结果表明，所提出的方法在统计功效方面优于所有已发表的方法。可用性：所提出的算法在MATLAB和R.该软件名为Telellipsoid，相关数据集可在http://www.egr.msu.edu/~desaikey上获得
2008-02-21 q-bio.GN stat.AP stat.ME
Reproducible probe-level analysis of the Affymetrix Exon 1.0 ST array with R/Bioconductor
跨样品的基因的不同转录物的存在可以通过全转录组微阵列来分析。由于大量的数据和在进行实际分析之前采用的各种各样的预处理和过滤步骤，从已发表的微阵列数据再现结果是一个挑战。为了保证方法学发展的坚实基础，将新方法的结果与以前的结果进行比较，确保所有分析对其他研究人员来说是完全可重复的至关重要。我们在这里给出了一个详细的工作流程，关于如何在R/Bioconductor中仅在探针和概率水平上对GeneChip Human Exon 1.0 ST Array进行可重复的分析，并根据其易用性选择软件包。为了验证所提出的工作流程的使用，我们使用各种统计方法分析了公开数据集中的差异剪接和差异基因表达。我们相信这项研究将为其他研究人员提供一种在不同注释水平上访问基因表达数据的简单方法，并提供开发自己的工具以用于GeneChip Human Exon 1.0 ST Array的可重复分析所需的足够细节。
2013-02-18 q-bio.GN q-bio.QM stat.AP
Bayesian testing of many hypotheses $\times$ many genes: A study of sleep apnea
大量的统计学研究最近已致力于分析大规模的微阵列实验，提供了一个措施的同时表达的数千个基因在一个特定的条件。典型的目标是比较两种条件之间的基因表达（例如，患病与未患病）以检测显示差异表达的基因。经典的假设检验程序已被应用于这个问题，最近的工作已经采用了复杂的模型，允许跨基因的信息共享。然而，许多最近的基因表达研究有一个试验设计与几个条件，需要一个更复杂的假设检验的方法。在本文中，我们使用一个分层贝叶斯模型来解决的情况下，有许多假设，必须同时测试每个基因。除了在每个基因中有许多假设之外，我们的分析还解决了同时测试许多基因的更典型的多重比较问题。我们说明我们的方法与应用程序的研究基因参与阻塞性睡眠呼吸暂停在人类。
2009-10-08 stat.AP stat.ME
Inference with Transposable Data: Modeling the Effects of Row and Column Correlations
我们考虑的问题的大规模推断的行或列变量的数据的形式的矩阵。通常，这些数据是可转置的，这意味着行变量和列变量都是潜在的。这种情况的一个例子是检测微阵列中的重要基因时，样品或阵列可能是依赖于由于潜在的关系。我们研究了常用的检验统计量，零分布，和多重检验程序的行和列的相关性的影响，明确建模的协方差与矩阵变量正态分布。使用这个模型，我们给出了理论和模拟结果，揭示了与使用标准的统计方法学对可转置数据的问题。我们通过同时估计行和列协方差，使用可转置的正则化协方差模型，并将数据去相关或球化作为预处理步骤来解决这些问题。在合理的假设下，我们的方法给出的检验统计量遵循缩放的理论零分布，近似独立。模拟的基础上，从真正的微阵列数据的结构化和观察到的协方差的各种模型表明，我们的方法提供了实质性的改进，在两个方面：1）增加统计功效和2）正确估计的错误发现率。
2010-04-01 stat.AP stat.ME stat.ML
Improving statistical learning methods via features selection without replacement sampling and random projection
Instituto Politécnico Nacional（国家理工学院）
本研究提出整合无放回特征选择（FSWOR）和投影方法的机器学习框架，利用Kendall检验对脑癌微阵列数据集降维，结合LDA投影与朴素贝叶斯集成分类器，有效缓解过拟合，将分类准确率提升至96%。
2025-05-28 cs.AI cs.LG q-bio.QM
No evidence of histology subtype-specific prognostic signatures among lung adenocarcinoma and squamous cell carcinoma patients at early stages
背景非小细胞肺癌（NSCLC）是肺癌的主要组织学类型，占病例的85%。疾病分期通常用于确定NSCLC患者的辅助治疗资格，然而，它是个体患者预后的不精确预测因素。目前，许多研究人员求助于微阵列技术来识别相关的遗传预后标志物，特别注意修剪或扩展Cox回归模型。在NSCLC中，腺癌（AC）和鳞状细胞癌（SCC）是两种主要的组织学亚型。已有研究表明，它们之间在潜在机制上存在根本差异，这促使我们假设可能存在与每个组织学亚型的预后相关的特定基因。结果提出了一种基于Cox回归模型的滤波器特征选择算法。将该方法应用于真实世界的微阵列数据，没有发现证据支持组织学特异性预后基因签名的存在。然而，获得了早期AC和SCC样品的31个基因的预后基因标签，当与其他相关标签相比时，其提供了相当的性能。结论我们的建议是概念上简单，直接实施。因此，希望其他研究者，特别是统计知识和经验较少的研究者，能够很容易地采用这种方法来检验自己的研究假设。
2015-08-06 q-bio.GN q-bio.QM stat.AP
