基于最大均值統(tǒng)計(jì)量的表達(dá)基因篩選.pdf

1、基因表達(dá)數(shù)據(jù)變量篩選是現(xiàn)代生物信息學(xué)研究的重點(diǎn)內(nèi)容之一。由于基因表達(dá)數(shù)據(jù)變量具有高維數(shù)、小樣本、高冗余等特性，目前沒有一套比較系統(tǒng)的方法來篩選包含有顯著性表達(dá)生物信息的基因。本文將聚類分析方法與構(gòu)造檢驗(yàn)統(tǒng)計(jì)量方法結(jié)合起來，篩選出控制樣本類型的基因。文章中首先反復(fù)運(yùn)用基于偏最小二乘法和蒙特卡羅法的無信息變量剔除法盡可能多地剔除冗余變量，選擇兩種方法篩選保留的基因的交集作為研究變量，然后對篩選出來的具有相關(guān)關(guān)系的基因變量進(jìn)行自組織特征映射(

2、SOM)聚類分析，并構(gòu)造出相應(yīng)的基因組;最后基于所構(gòu)造的基因組，通過模擬數(shù)據(jù)試驗(yàn)選擇了基因顯著性分析方法(GSA)，建立最大均值統(tǒng)計(jì)量進(jìn)行統(tǒng)計(jì)分析，從而篩選出差異表達(dá)顯著的基因組，并應(yīng)用主成分投影方法(PCA)驗(yàn)證所篩選出的基因組對兩類樣本的分類效果。
　　本文研究中應(yīng)用到的數(shù)據(jù)由來自某醫(yī)院測試的4個(gè)正常樣本和4個(gè)癌變樣本中共45037個(gè)基因表達(dá)數(shù)據(jù)組成。從這45037個(gè)基因中篩選出1681個(gè)基因變量，然后采用SOM方法對這168