基于蒙特卡洛模拟分析不同基因集方法的效能
 |
| 第1页 |
参见附件(2220KB，4页)。
前言
微阵列技术是生物技术变革的核心.允许研究者同时监测成千上万个基因的表达水平，已广泛应用于医学研究。如何挖掘海量基因表达信息中的有用信息，并进行生物学专业解释是基因表达谱数据分析领域所面临的一个重要挑战。.目前，针对海量基因表达数据不同学者和研究机构提供了各种统计分析方法和工具。Nam等r’将这些方法大致划分为两大类：单基因分析(Single Gene Analysis，sGA)和基因集分析(Gene SetAnalysis，GSA)。其目的都是为了能筛选出有差异表达的基因，以得到疾病的控制和预测。单基因分析不能有效地解释生物学特性，且没有考虑基因间的相关性，因此结论非常有限。自2003年Moo~a等C2)提出基因集分析方法以来，微阵列数据基因集分析引起了统计学者与生物信息学者的广泛关注。然而，由于基因表达谱数据本身特有的多维、样本量小以及基因间复杂的相关性等特点，至今没有一套成熟的理论和公认有效的筛选差异表达基因集的方法。本文主要利用计算机技术濛特卡罗模拟)研究微阵列数据基因集的统计分析方法及其检验效能。
您现在查看是摘要介绍页，详见PDF附件(2220KB，4页)。