首页 > 文献资料
-
遗传关联性研究Meta分析的多重检验校正方法
制作遗传关联性研究Meta分析时，我们常常计算其五个基因模型的结果，而这一做法使得检验次数增多，增大了假阳性结果的发生率。此外，也有研究在同一研究中对多个位点、多种表型进行分析，这也会增加假阳性结果的发生率。因此，在制作遗传关联性研究Meta分析时，除了计算出每个基因模型的结果外，还应给出每个基因模型检验结果的校正值，判断结果是否为假阳性结果。本文主要介绍多重检验校正的方法。
-
六种基因表达谱数据筛选差异表达基因方法的比较
目的 比较SAM方法、Bonferroni校正法、BH法等6种基因表达谱数据筛选差异表达基因的方法,探讨了各种方法的筛选效果.方法 采用6种待比较的方法处理不同样本量和方差条件下的模拟数据,比较筛选结果与模拟设定的差异,计算相应的考核指标,探讨6种方法筛选差异表达基因的效果.结果 Bonferroni校正法、Sidak校正法和Hochberg法可将FWER、FDR控制在很低的水平,但是筛选出的差异表达基因数比较少;成组t检验方法筛选的差异表达基因数多,但是不能有效地控制FWER、FDR水平,筛选出的差异表达基因假阳性数过多;相同样本量和方差条件下,SAM方法和BH法筛选差异表达基因数、假阳性数、FWER和FDR均相差不大,均筛选出较多的差异表达基因,且控制了多重检验错误率.结论 SAM方法适用于基因表达谱数据筛选差异表达基因的数据分析.
-
基于非参数回归的生物等效性多重检验
目的 本文提出一种基于非参数模型的生物等效性检验的新方法.方法 首先利用非参数回归的方法估计血药浓度-时间曲线,并建立血药浓度估计值线性混合效应模型估计药物效应系数,在此模型的基础上采用多重检验的方法对曲线上每一时间点处的药物效应系数进行生物等效性检验.若在所有时间点处等效,则两种药物等效.结果 模拟和实例分析表明此方法能消除周期效应和序列效应的影响,同时在数据稀疏时可降低生物等效性检验的Ⅰ类误差率,并能提高在测量误差较大时的检验效能.结论 本文提出的多重检验方法有较高的检验效能和较低的Ⅰ类误差率,可应用于生物等效性检验.
-
神经网络模型在分析复杂性疾病多基因交互作用中的应用
复杂性疾病的发病机制复杂,受多个微效基因及环境因素的影响,并且普遍存在基因-环境、基因-基因的交互作用.选择何种方法对多基因之间的交互作用进行分析以评价其在疾病发生过程中的作用,是当今面临的大挑战.传统的统计分析方法存在多重检验、维度困扰、模型依赖等许多问题,其中维度困扰是指每增加一个基因位点,所需的样本量将呈指数倍增加,即使样本量较大,很可能出现某些基因型组合观察值太少甚至缺失的情况,这将导致交互作用效应参数估计的不准确[1].
-
基于Bootstrap的中药模糊评价的多重检验
目的：研究Bootstrap方法结合多重检验在中药多组分鉴别中的应用。方法：运用Bootstrap方法和R软件，检验给药组与控制组、模型两两比较差异的显著性。结果：通过本方法得到了各给药组与控制组、模型组的拟合曲线，以及在组内每个分子上的检验结果。结论：在中药模糊评价中，运用Bootstrap结合多重检验方法，检验中药组分是否具有显著性差异，具有可行性。
关键词： Bootstrap 多重检验 中药 模糊评价 SELDI蛋白芯片技术
