版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著RNA-Seq(RNA sequencing)技術的飛速發(fā)展和日益普及,逐漸成為探索疾病和分子之間關系的主流技術手段。復雜疾病的發(fā)生和發(fā)展可能是一個復雜的分子調控網絡,并非由單一的分子調控。故越來越多的研究在關注差異表達分子的同時,也在積極探索不同分子間的交互作用。上述的兩個問題是生物統(tǒng)計和系統(tǒng)生物學中亟待解決的問題,也需要兩門學科的有機結合。
第一部分,借助了集合檢驗的思想,構建基于isoform的表達數(shù)據(jù)篩選差異表達基
2、因的模型。模型假設同一個基因不同isoform的表達為因變量,服從泊松或負二項分布。模型中的第一個隨機項表示不同isoform之間的相似性;第二個隨機項表示標簽變量。故對于一組isoform時候差異表達的檢驗可以轉化為在廣義混合效應模型框架下對于第二個隨機項方差成分的假設檢驗。在H0成立條件下,構建對于第二個隨機項的得分檢驗統(tǒng)計量,其近似服從混合卡方分布。另外,考慮了permutation算法構建統(tǒng)計量的經驗分布。模擬實驗中比較了本模型
3、中經驗分布和理論分布,以及本方法和傳統(tǒng)差異表達篩選算法統(tǒng)計性質的優(yōu)劣。實例分析使用了腫瘤基因圖譜(The cancer genome altas,TCGA)中肺鱗癌的數(shù)據(jù)。
結果表明,本方法基本可以控制一類錯誤,但是經驗分布的一類錯誤控制過于嚴格;傳統(tǒng)的算法出現(xiàn)不同程度的膨脹。在標簽效應同向時和標簽效應同時具有正向和負向時,本方法的效能均優(yōu)于傳統(tǒng)算法。負二項分布假設和泊松分布假設總體的結果相似,泊松分布假設的分析結果優(yōu)于負二項
4、分布假設。在負二項分布假設中,方法整體的效能損失嚴重,而本方法的效能仍然優(yōu)于傳統(tǒng)算法。實例分析中,本算法單獨定義了17個差異表達基因,其中Batch101中有3個,Batch193中有14個。
第二部分,基于混合效應模型和半參數(shù)模型的相似性,在二分類表型的框架下,構建了mRNA-miRNA一階交互作用的偽參數(shù)核函數(shù)模型。故對其交互作用的檢驗可以轉化為對混合模型中隨機效應項方差成分的檢驗。在H0成立的條件下,構建對于偽參數(shù)檢驗的
5、得分檢驗統(tǒng)計量,其服從混合卡方分布。模擬實驗中比較了該方法和傳統(tǒng)F-test的優(yōu)劣。實例分析中,借助了現(xiàn)有的靶標預測數(shù)據(jù)庫以及TCGA中乳腺浸潤癌miRNA和mRNA的RNA-Seq數(shù)據(jù),定義了既有統(tǒng)計學意義,又有生物學聯(lián)系的mRNA-miRNA交互作用對子。
結果顯示,本方法可以控制一類錯誤,在多數(shù)情況下對于一類錯誤的控制過于嚴格,而傳統(tǒng)F-test在多數(shù)參數(shù)組合下一類錯誤嚴重膨脹,幾乎無法用在高維交互作用的篩選。在效能模擬
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于概率模型的RNA-Seq數(shù)據(jù)分析.pdf
- 基于RNA-Seq數(shù)據(jù)識別神經母細胞瘤中的環(huán)形RNA.pdf
- 基于RNA-Seq數(shù)據(jù)的小鼠神經發(fā)育中可變剪接的研究.pdf
- 廣義單指標混合模型的方差成分檢驗.pdf
- 基于平滑LDA的RNA-Seq數(shù)據(jù)分析研究.pdf
- 改進的RNA-Seq數(shù)據(jù)轉錄組表達分析研究.pdf
- 基于腫瘤RNA-Seq數(shù)據(jù)識別融合基因的方法研究.pdf
- 肺癌RNA-Seq數(shù)據(jù)中RNA編輯事件的識別算法和系統(tǒng)分析.pdf
- 基于高通量RNa-seq數(shù)據(jù)轉錄組拼接的算法研究.pdf
- 兩種視網膜下新生血管小鼠模型基因表達譜的RNA-Seq研究.pdf
- 基于RNA-Seq數(shù)據(jù)的基因預測和長非編碼RNA鑒定的分析方法.pdf
- 基于RNA-seq研究柞蠶蛹免疫調控基因.pdf
- 高通量RNA-seq測序數(shù)據(jù)的基因表達水平分析研究.pdf
- 針對RNA-Seq數(shù)據(jù)的基因異構體表達水平計算方法研究.pdf
- 利用RNA-seq研究水稻在稻瘟病誘導后基因的表達模式.pdf
- 基于RNA-seq數(shù)據(jù)的CCA基因共表達網絡的構建和分析.pdf
- 大芻草苗期轉錄組RNA-Seq數(shù)據(jù)的De novo組裝和分析.pdf
- 基于RNA-seq技術的宮頸鱗癌轉錄組學研究.pdf
- 基于RNA-Seq技術的人轉錄組分析研究.pdf
- 三陰性乳腺癌細胞樣本RNA-Seq數(shù)據(jù)分析.pdf
評論
0/150
提交評論