兩樣本問題中差異表達基因的篩選研究.pdf

1、本文從變量相關性角度、對變量被選概率添加罰因子的思想提出基因特征選擇的方法，根據(jù)基因被選次數(shù)來決定其是否差異表達。結合常用的SAM(Significance Analysis of Microarray)法和Bradley Efron提出的方法，比較分析了兩組數(shù)據(jù)。
　　 模擬數(shù)據(jù)的前20個變量被標識為差異表達。SAM法篩選出17個變量，都來自目標變量，未被選出的三個變量是12號、18號和19號。當fdr＜0.2時，Efron的

2、方法篩選出18個變量，都屬于被標識的差異變量，12、18號未被選出。本文方法篩選結果中，頻數(shù)排在前17位的都是目標變量，其余三個目標變量19號、18號、12號的頻數(shù)分別位于第19、22、24位。前24位中目標外的四個變量分別是第841、371、140和492號。從兩樣本t統(tǒng)計量的p-value分析，以上四個目標外變量的p-value確實比12號、18號要小，其余18個目標變量的p-value位于前18位，這說明這四個變量的出現(xiàn)是合理的。

3、用Efron的方法篩選基因結果優(yōu)于SAM法，而本文方法能更準確地對變量排序。
　　 本文比較了變量篩選概率添加罰因子和不添加時的結果。添加罰因子時，目標變量累積出現(xiàn)次數(shù)比重為68％，只有3個目標變量未出現(xiàn)，12個頻數(shù)大于1的變量都是目標變量。不添加罰因子時，未出現(xiàn)變量達到9個，頻數(shù)大于1的7個變量中只有5個是目標變量。這說明添加了罰因子提高篩選效率和準確度。
　　 第二組數(shù)據(jù)是Golub的白血病數(shù)據(jù)。SAM法篩選出了76

4、個基因。Efron法在fdr＜0.2，只篩選出6個基因;當fdr＜0.4時，得到23個基因。本文方法選擇頻數(shù)大于38的基因共74個，有41個出現(xiàn)在SAM法的結果中。排在前5位的分別是X95735_at、M27891_at、M23197_at、Y12670 at和M16038_at，從t統(tǒng)計量的p-value分析，這5個基因的p-value排在前6位。選擇排在前20位的基因做進一步分析，添加罰因子運行一次時，出現(xiàn)次數(shù)大于1的基因中，70％

5、出現(xiàn)在總結果中的前20位，有7個出現(xiàn)在Efron的方法結果中。不添加罰因子時，只有38％位于前20位，且只有6個位于Efron的方法結果中。從與總結果、Efron法的結果比較來看，添加罰因子效果更佳。
　　 用SAM法篩選的基因建立支持向量機分類器時，錯分率為0，支持向量個數(shù)達到31。當fdr＜0.2，Efron法篩選出的6個基因建立分類器錯分率為2.63％，支持向量個數(shù)19個;當fdr＜0.4，篩選出的23個基因建立分類器時，