變點(diǎn)理論統(tǒng)計(jì)分析方法應(yīng)用試?yán)?/h1>
2013-04-29 00:00:00紀(jì)兆華鄭愛軍吳云艷劉富
科技創(chuàng)新導(dǎo)報(bào) 2013年8期
摘 要：變點(diǎn)是模型中突然發(fā)生變化的某個(gè)或某一些量變化的點(diǎn)。研究突變點(diǎn)，通常能夠發(fā)現(xiàn)事物的某種質(zhì)的變化，差異基因表達(dá)檢測就是尋找基因表達(dá)譜數(shù)據(jù)中樣本數(shù)據(jù)相對于正常組樣本數(shù)據(jù)有過表達(dá)的有變化的現(xiàn)象。該文探討變點(diǎn)理論的統(tǒng)計(jì)方法在差異基因表達(dá)檢測中的應(yīng)用。
關(guān)鍵詞：變點(diǎn)理論 統(tǒng)計(jì)方法 差異表達(dá)基因檢測
中圖分類號：P618.13 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-098X（2013）03（b）-0-02
變點(diǎn)是是模型中突然發(fā)生變化的某個(gè)或某一些量發(fā)生變化的點(diǎn)。研究突變點(diǎn)，通常能夠發(fā)現(xiàn)事物的某種質(zhì)的變化[1]。隨著科學(xué)發(fā)展，在臨床醫(yī)學(xué)上分析癌癥病理時(shí)，通常都要挖掘基因表達(dá)譜數(shù)據(jù)中是否存在過高或者過低表達(dá)的“過表達(dá)”數(shù)據(jù)，也就是致癌基因表達(dá)值反映出來的突變點(diǎn)。差異表達(dá)基因檢測就是研究單基因水平的基因表達(dá)譜數(shù)據(jù)，從而發(fā)現(xiàn)不同環(huán)境實(shí)驗(yàn)條件下過表達(dá)的致癌基因。
1 基于變點(diǎn)理論的統(tǒng)計(jì)方法
國外對于變點(diǎn)的研究中涉及比較早的是突變點(diǎn)，漸變式變點(diǎn)的研究也有一些成果。針對位置參數(shù)模型，有人提出了變點(diǎn)的最小二乘法的估計(jì)。中國科學(xué)院院士陳希孺教授認(rèn)為：變點(diǎn)分析是數(shù)理統(tǒng)計(jì)以及非線性時(shí)間序列的范疇，統(tǒng)計(jì)判斷變點(diǎn)問題，能夠分析估計(jì)量的性質(zhì)[1]。
變點(diǎn)問題涉及的模型主要有三種情況，即均值有突然變化的均值變點(diǎn)、回歸系數(shù)有突然變化的回歸變點(diǎn)和實(shí)踐的概率有突然變化的概率變點(diǎn)。變點(diǎn)問題中，可以是一系列的樣本觀察值按一定次序的先后排列，也可以是空間中的位置或者界面[2]。因此，在研究基因表達(dá)譜數(shù)據(jù)中差異表達(dá)基因時(shí)，通常是研究在一系列樣本值中有突然變化的一個(gè)或者多個(gè)均值變點(diǎn)。
設(shè)是獨(dú)立隨機(jī)變量，F(xiàn)1 和F2為兩個(gè)不相等的連續(xù)分布函數(shù)，使得X1，…，Xr iid.～F2，Xr+1，…，Xn iid.～F2。則r（1變點(diǎn)理論把統(tǒng)計(jì)控制理論、估計(jì)和假設(shè)檢驗(yàn)理論、非貝葉斯方法和貝葉斯方法結(jié)合起來，通過研究統(tǒng)計(jì)推斷問題，對估計(jì)量的性質(zhì)進(jìn)行了統(tǒng)計(jì)分析，在醫(yī)學(xué)、金融、工業(yè)自動(dòng)控制等領(lǐng)域都有大量的應(yīng)用[1]。
2 癌癥差異表達(dá)基因檢測
在研究癌癥問題時(shí)，會發(fā)現(xiàn)癌細(xì)胞中能發(fā)生基因的異位，而且這些異位導(dǎo)致了致癌基因的表達(dá)值發(fā)生變化，并可能影響癌癥的發(fā)展。因?yàn)橐粋€(gè)給定的異位在每個(gè)樣本中只發(fā)生一次，如果一個(gè)給定的活化基因有多對，某個(gè)癌癥樣本有基因A的過高表達(dá)，而其他癌癥樣本有基因B的過高表達(dá)，但這些樣本是相互排斥的。但人們期望在正常樣本中沒有出現(xiàn)基因A或者基因B的過表達(dá)，利用這樣的思想，就能篩選找到異位的感興趣基因，這種思想即為對差異表達(dá)基因的檢測[3]。
差異表達(dá)基因檢測是醫(yī)學(xué)領(lǐng)域中，在分子水平實(shí)現(xiàn)準(zhǔn)確識別癌癥亞型的檢測判別方法。針對基因表達(dá)譜的差異表達(dá)基因檢測技術(shù)，其核心方法就是采用統(tǒng)計(jì)學(xué)中的假設(shè)檢測方法，同時(shí)、快速、準(zhǔn)確的檢測成千上萬的基因表達(dá)譜數(shù)據(jù)中的基因值是否具有差異表達(dá)，從中挖掘出潛在的特異性基因，并分析基因表達(dá)譜數(shù)據(jù)的生物學(xué)意義[5]。
具有差異表達(dá)現(xiàn)象的基因在基因表達(dá)譜上的基因信號強(qiáng)度數(shù)值，在表達(dá)上是具有差異性和相關(guān)性的，所以，差異表達(dá)基因的表達(dá)強(qiáng)度值就能夠看作為基因表達(dá)譜數(shù)據(jù)中的異常變點(diǎn)值。
3 變點(diǎn)統(tǒng)計(jì)分析方法在差異表達(dá)基因檢測中的應(yīng)用
基于變點(diǎn)理論的統(tǒng)計(jì)方法在癌癥基因表達(dá)譜數(shù)據(jù)分析中的應(yīng)用，是對變點(diǎn)理論的實(shí)踐應(yīng)用以及差異表達(dá)基因檢測的研究都具有新的挑戰(zhàn)。
4 結(jié)語
把變點(diǎn)分析的理論應(yīng)用到差異表達(dá)基因檢測中，用來檢測潛在的癌癥基因，給出該變點(diǎn)位置的估計(jì)，為理解、分析癌癥基因的數(shù)據(jù)特性提供幫助。根據(jù)變點(diǎn)理論的非參數(shù)法可以檢測差異表達(dá)基因，把癌癥異常點(diǎn)樣本能夠看成是比所有正常樣本來自更高平均表達(dá)密度的分布，檢測在癌癥組中的基因表達(dá)強(qiáng)度的的一個(gè)改變點(diǎn)根據(jù)分布變點(diǎn)的非參數(shù)統(tǒng)計(jì)算法思想，對于一個(gè)獨(dú)立的基因表達(dá)譜隨機(jī)變量，尋找估計(jì)的變點(diǎn)。
誘發(fā)癌癥疾病發(fā)生的因素可能是多方面的，從生物信息學(xué)理論研究誘發(fā)同該癌癥疾病有關(guān)的致病基因，分析通過微陣列數(shù)據(jù)得到的基因表達(dá)譜數(shù)據(jù)，檢測到具有實(shí)際意義的差異表達(dá)基因，這并將具有廣泛的應(yīng)用，將在研究適應(yīng)藥物作用的分子機(jī)制，尋找新藥開發(fā)源頭的藥物靶標(biāo)等方面都有重要的意義。
參考文獻(xiàn)
[1]陳希孺.變點(diǎn)統(tǒng)計(jì)分析簡介[J].數(shù)據(jù)統(tǒng)計(jì)與管理，1991，3（2）：55-58.
[2]王黎明.三種變點(diǎn)問題理論及其應(yīng)用[J].泰山學(xué)院學(xué)報(bào)，2007，11（29）：1-4.
[3]譚智平，繆柏其.關(guān)于分布變點(diǎn)問題的非參數(shù)統(tǒng)計(jì)推斷[J].中國科學(xué)技術(shù)大學(xué)學(xué)報(bào)，2000，30（3）：270-277.
[4]Tomlins S A，Rhodes D R，Perner S，et al.Recurrent fusion of TMPRSS2 and ETS transcription factor genes in Prostate Cancer[J].Science，2005，10（310）：644-648.
[5]Zhaohua Ji，Yao Wang，Chunguo Wu，et al.Mean，Median and Tri-Mean Based Statistical Detection Methods for Differential Gene Expression in Microarray Data.CISP'10-BMEI'10，Yantai，2010：3142-3146.
[6]Hu JH.Cancer outlier detection based on likelihood ratio test[J].Bioinformatics，2008，24（19）：2193-2199.
摘 要：變點(diǎn)是模型中突然發(fā)生變化的某個(gè)或某一些量變化的點(diǎn)。研究突變點(diǎn)，通常能夠發(fā)現(xiàn)事物的某種質(zhì)的變化，差異基因表達(dá)檢測就是尋找基因表達(dá)譜數(shù)據(jù)中樣本數(shù)據(jù)相對于正常組樣本數(shù)據(jù)有過表達(dá)的有變化的現(xiàn)象。該文探討變點(diǎn)理論的統(tǒng)計(jì)方法在差異基因表達(dá)檢測中的應(yīng)用。
關(guān)鍵詞：變點(diǎn)理論 統(tǒng)計(jì)方法 差異表達(dá)基因檢測
中圖分類號：P618.13 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-098X（2013）03（b）-0-02
變點(diǎn)是是模型中突然發(fā)生變化的某個(gè)或某一些量發(fā)生變化的點(diǎn)。研究突變點(diǎn)，通常能夠發(fā)現(xiàn)事物的某種質(zhì)的變化[1]。隨著科學(xué)發(fā)展，在臨床醫(yī)學(xué)上分析癌癥病理時(shí)，通常都要挖掘基因表達(dá)譜數(shù)據(jù)中是否存在過高或者過低表達(dá)的“過表達(dá)”數(shù)據(jù)，也就是致癌基因表達(dá)值反映出來的突變點(diǎn)。差異表達(dá)基因檢測就是研究單基因水平的基因表達(dá)譜數(shù)據(jù)，從而發(fā)現(xiàn)不同環(huán)境實(shí)驗(yàn)條件下過表達(dá)的致癌基因。
1 基于變點(diǎn)理論的統(tǒng)計(jì)方法
國外對于變點(diǎn)的研究中涉及比較早的是突變點(diǎn)，漸變式變點(diǎn)的研究也有一些成果。針對位置參數(shù)模型，有人提出了變點(diǎn)的最小二乘法的估計(jì)。中國科學(xué)院院士陳希孺教授認(rèn)為：變點(diǎn)分析是數(shù)理統(tǒng)計(jì)以及非線性時(shí)間序列的范疇，統(tǒng)計(jì)判斷變點(diǎn)問題，能夠分析估計(jì)量的性質(zhì)[1]。
變點(diǎn)問題涉及的模型主要有三種情況，即均值有突然變化的均值變點(diǎn)、回歸系數(shù)有突然變化的回歸變點(diǎn)和實(shí)踐的概率有突然變化的概率變點(diǎn)。變點(diǎn)問題中，可以是一系列的樣本觀察值按一定次序的先后排列，也可以是空間中的位置或者界面[2]。因此，在研究基因表達(dá)譜數(shù)據(jù)中差異表達(dá)基因時(shí)，通常是研究在一系列樣本值中有突然變化的一個(gè)或者多個(gè)均值變點(diǎn)。
設(shè)是獨(dú)立隨機(jī)變量，F(xiàn)1 和F2為兩個(gè)不相等的連續(xù)分布函數(shù)，使得X1，…，Xr iid.～F2，Xr+1，…，Xn iid.～F2。則r（1 變點(diǎn)理論把統(tǒng)計(jì)控制理論、估計(jì)和假設(shè)檢驗(yàn)理論、非貝葉斯方法和貝葉斯方法結(jié)合起來，通過研究統(tǒng)計(jì)推斷問題，對估計(jì)量的性質(zhì)進(jìn)行了統(tǒng)計(jì)分析，在醫(yī)學(xué)、金融、工業(yè)自動(dòng)控制等領(lǐng)域都有大量的應(yīng)用[1]。 2 癌癥差異表達(dá)基因檢測 在研究癌癥問題時(shí)，會發(fā)現(xiàn)癌細(xì)胞中能發(fā)生基因的異位，而且這些異位導(dǎo)致了致癌基因的表達(dá)值發(fā)生變化，并可能影響癌癥的發(fā)展。因?yàn)橐粋€(gè)給定的異位在每個(gè)樣本中只發(fā)生一次，如果一個(gè)給定的活化基因有多對，某個(gè)癌癥樣本有基因A的過高表達(dá)，而其他癌癥樣本有基因B的過高表達(dá)，但這些樣本是相互排斥的。但人們期望在正常樣本中沒有出現(xiàn)基因A或者基因B的過表達(dá)，利用這樣的思想，就能篩選找到異位的感興趣基因，這種思想即為對差異表達(dá)基因的檢測[3]。 差異表達(dá)基因檢測是醫(yī)學(xué)領(lǐng)域中，在分子水平實(shí)現(xiàn)準(zhǔn)確識別癌癥亞型的檢測判別方法。針對基因表達(dá)譜的差異表達(dá)基因檢測技術(shù)，其核心方法就是采用統(tǒng)計(jì)學(xué)中的假設(shè)檢測方法，同時(shí)、快速、準(zhǔn)確的檢測成千上萬的基因表達(dá)譜數(shù)據(jù)中的基因值是否具有差異表達(dá)，從中挖掘出潛在的特異性基因，并分析基因表達(dá)譜數(shù)據(jù)的生物學(xué)意義[5]。 具有差異表達(dá)現(xiàn)象的基因在基因表達(dá)譜上的基因信號強(qiáng)度數(shù)值，在表達(dá)上是具有差異性和相關(guān)性的，所以，差異表達(dá)基因的表達(dá)強(qiáng)度值就能夠看作為基因表達(dá)譜數(shù)據(jù)中的異常變點(diǎn)值。 3 變點(diǎn)統(tǒng)計(jì)分析方法在差異表達(dá)基因檢測中的應(yīng)用 基于變點(diǎn)理論的統(tǒng)計(jì)方法在癌癥基因表達(dá)譜數(shù)據(jù)分析中的應(yīng)用，是對變點(diǎn)理論的實(shí)踐應(yīng)用以及差異表達(dá)基因檢測的研究都具有新的挑戰(zhàn)。 4 結(jié)語 把變點(diǎn)分析的理論應(yīng)用到差異表達(dá)基因檢測中，用來檢測潛在的癌癥基因，給出該變點(diǎn)位置的估計(jì)，為理解、分析癌癥基因的數(shù)據(jù)特性提供幫助。根據(jù)變點(diǎn)理論的非參數(shù)法可以檢測差異表達(dá)基因，把癌癥異常點(diǎn)樣本能夠看成是比所有正常樣本來自更高平均表達(dá)密度的分布，檢測在癌癥組中的基因表達(dá)強(qiáng)度的的一個(gè)改變點(diǎn)根據(jù)分布變點(diǎn)的非參數(shù)統(tǒng)計(jì)算法思想，對于一個(gè)獨(dú)立的基因表達(dá)譜隨機(jī)變量，尋找估計(jì)的變點(diǎn)。 誘發(fā)癌癥疾病發(fā)生的因素可能是多方面的，從生物信息學(xué)理論研究誘發(fā)同該癌癥疾病有關(guān)的致病基因，分析通過微陣列數(shù)據(jù)得到的基因表達(dá)譜數(shù)據(jù)，檢測到具有實(shí)際意義的差異表達(dá)基因，這并將具有廣泛的應(yīng)用，將在研究適應(yīng)藥物作用的分子機(jī)制，尋找新藥開發(fā)源頭的藥物靶標(biāo)等方面都有重要的意義。 參考文獻(xiàn) [1]陳希孺.變點(diǎn)統(tǒng)計(jì)分析簡介[J].數(shù)據(jù)統(tǒng)計(jì)與管理，1991，3（2）：55-58. [2]王黎明.三種變點(diǎn)問題理論及其應(yīng)用[J].泰山學(xué)院學(xué)報(bào)，2007，11（29）：1-4. [3]譚智平，繆柏其.關(guān)于分布變點(diǎn)問題的非參數(shù)統(tǒng)計(jì)推斷[J].中國科學(xué)技術(shù)大學(xué)學(xué)報(bào)，2000，30（3）：270-277. [4]Tomlins S A，Rhodes D R，Perner S，et al.Recurrent fusion of TMPRSS2 and ETS transcription factor genes in Prostate Cancer[J].Science，2005，10（310）：644-648. [5]Zhaohua Ji，Yao Wang，Chunguo Wu，et al.Mean，Median and Tri-Mean Based Statistical Detection Methods for Differential Gene Expression in Microarray Data.CISP'10-BMEI'10，Yantai，2010：3142-3146. [6]Hu JH.Cancer outlier detection based on likelihood ratio test[J].Bioinformatics，2008，24（19）：2193-2199.
