第1章 绪论 1
1.1 生物芯片概述 1
1.2 基因芯片简介 2
1.2.1 基因芯片的原理 2
1.2.2 基因芯片的分类 6
1.2.3 基因芯片的应用 7
1.3 基因芯片数据差异表达基因检测统计方法 8
1.3.1 差异表达基因检测概述 8
1.3.2 传统差异表达基因检测方法 10
1.3.3 其他相关的差异表达基因检测方法 11
1.4 变点问题的研究 14
1.5 变点理论应用于差异表达基因检测 15
1.6 微阵列基因芯片数据的网络资源介绍 16
1.7 本书的研究内容 19
第2章 差异表达基因检测样本子集过表达的统计方法 22
2.1 生物学背景 23
2.2 差异表达基因检测统计方法介绍 25
2.2.1 基于均值的差异表达基因检测方法 26
2.2.2 基于中值的差异表达基因检测方法 27
2.2.3 基于样本表达值特定百分比的差异表达基因检测方法 31
2.3 实验与分析 31
2.3.1 ROC曲线比较 32
2.3.2 FDR曲线比较 34
2.3.3 算法分析 36
2.4 讨论 37
第3章 TriORT差异表达基因检测统计方法 39
3.1 引言 39
3.2 TriORT方法 40
3.3 实验与分析 42
3.3.1 仿真研究 42
3.3.2 真实数据研究 46
3.4 小结 49
第4章 TriMOST差异表达基因检测统计方法 50
4.1 引言 50
4.2 TriMOST方法 51
4.3 实验与分析 54
4.3.1 仿真研究 54
4.3.2 真实数据研究 58
4.4 小结 68
第5章 差异表达基因检测统计方法在乳腺癌数据上的应用 69
5.1 引言 69
5.2 差异表达基因检测方法 72
5.2.1 已有方法介绍 72
5.2.2 TriORT方法和TriMOST方法 74
5.3 实验与分析 76
5.3.1 ROC曲线仿真实验 76
5.3.2 FDR曲线仿真实验 78
5.3.3 真实数据集实验 81
5.3.4 各方法找到的和乳腺癌相关的基因分析 86
5.4 小结 91
第6章 变点理论统计分析 92
6.1 引言 92
6.2 基于变点理论的统计方法 93
6.2.1 变点 93
6.2.2 检测变点的常用方法 93
6.3 变点理论的应用 93
6.3.1 变点的统计推断问题研究 94
6.3.2 采用贝叶斯法检测多个变点的基因表达谱数据 94
6.3.3 癌症差异表达基因检测 94
6.4 变点统计分析方法在差异表达基因检测中的应用 95
6.5 小结 96
第7章 基于样本子集的差异表达基因检测方法比较 97
7.1 引言 97
7.2 差异表达基因检测方法 98
7.2.1 T统计方法 98
7.2.2 相对正常组样本的半T统计方法 99
7.2.3 相对癌症组样本的半T统计方法 100
7.2.4 增加参数的半T统计方法 100
7.3 实验和结果分析 101
7.3.1 基因表达强度相同时，差异表达基因数目变化 104
7.3.2 差异表达基因数目相同时，增加的基因表达强度变化 105
7.3.3 基因表达强度相同，差异表达基因数目相同，基因数目不同 106
7.3.4 基因表达强度相同，差异表达基因数目相同，基因数目相同时，样本数目不同 107
7.4 小结 108
第8章 基于变点理论的差异表达基因检测 109
8.1 引言 109
8.2 差异表达基因检测的生物信息学基础 111
8.3 差异表达基因检测方法 111
8.3.1 T检验方法 112
8.3.2 PPST置换百分比分离测试方法 113
8.3.3 LRS基于似然率方法 113
8.3.4 基于最小二乘法的变点差异表达基因检测 114
8.4 差异表达基因检测方法性能评价 114
8.5 乳腺癌公共数据库数据研究分析 117
8.6 小结 120
第9章 总结与展望 121
9.1 总结 121
9.2 展望 122
参考文献 124