38、基因与医学实验设计研究

基因与医学实验设计研究

1. 基因分析相关研究

1.1 基因配对统计与差异表达基因检测

对基因进行两两配对统计，发现前25对基因列表与单变量t统计的前50个基因列表重叠率低于40%。基于配对数据集检测差异表达基因时，即使在家族式误差率（FWER）为0.01的情况下，也能检测到700多个差异表达基因，远超结直肠癌筛查生物标志物开发的候选基因数量。使用三种不同程序均能检测出前100个基因，且这三种程序的结果吻合度较好。后续按程序（i）计算的p值显著性对基因进行排名。

1.2 测试集分类与基因验证

在对测试集进行分类时，选择前50个基因，采用对角二次判别分析（DQDA）进行分类。结果发现，仅需前5个基因就能实现0%的测试误差。而之前的研究表明，对角线性判别分析（DLDA）在一些数据集上能产生较低的测试误差率，但在结直肠癌数据集上，DQDA只需前5个基因就能达到0%的测试误差，而DLDA需要前7个基因。这是因为该数据集由肿瘤和正常组织组成，异质性更强，所以DQDA使用两组不同的方差更为高效。

1.3 Hotelling’s T2统计量

从训练集中对基因进行所有可能的两两配对，计算Hotelling’s T2统计量，并按大小顺序获取前25对。这25对基因列表与单变量t统计的前50个基因列表重叠率低于40%。Hotelling’s T2统计量是多个参数的函数，包括相关系数。当一对基因中至少有一个基因的t统计量较大，且相关系数绝对值较大且t1t2ρ<0时，T2统计量会取较大值。因此，T2统计量能检测到单变量t检验无法检测到的基因。使用DQDA对测试集进行分类，基于前25对基因列表，发现前3对基因就足以实现0%的测试误