乳腺癌基因芯片數據分析及方法學研究.pdf

1、研究目的：在基因芯片數據分析中，探索一種合適的統(tǒng)計分析方法使其利用盡可能少的基因達到較好的預測效果。 研究意義：從術時基因表達的角度探討乳腺癌病人預后預測的問題，為進一步的綜合微觀的基因表達水平，宏觀的臨床表型和干預措施等的預后預測和動態(tài)預后預測等進一步的研究提供基礎。 研究內容：利用模擬數據客觀評價各差異表達基岡篩選方法的效果：利用模擬數據評價兩種分類預測方法在不同基岡相關性條件下的預測能力：并結合乳腺癌案例數據篩選可

2、用于預測乳腺癌病人預后的基因。 研究方法：首先設定差異表達基因和非差異表達基因的概率分布，產生模擬數據，用各種篩選差異表達基因的方法進行分析后計算相應的評價指標，從陽性基因數日、假陽性基因數目和假陽性率來對各方法進行評價。利用混合線性模型產生預測研究用的表達水平相關的模擬基因表達數據。用PAM法和三步法分析，比較分析結果和設定值的差異，從約登指數、假陽性率及建?；鶎鶖等諄碓u價兩方法的優(yōu)缺點。最后利用三步法對案例數據進行分析，篩選

3、出預測乳腺癌病人預后的預后基岡，并通過生物信息學對這些基岡進行功能的查找和文獻支持。 主要結果：SAM的假陽性率僅次于Bonferroni修正法、Sidak修正法、Bootstrap修正法和、Permutation修正法、StepdownBonferroni修正法、StepdownSidak修正法、StepdownBootstrap修正法和StepdownPermutation修正法這8種保守的方法，但其篩檢出的差異表達基因個數