38、基因与肺部手术相关研究：从基因分析到实验设计优化

基因与肺部手术相关研究：从基因分析到实验设计优化

在生物医学研究中，基因分析和实验设计对于疾病的诊断、治疗和风险预测至关重要。本文将围绕基因差异表达检测、肺部手术并发症预测等方面展开探讨，介绍相关的统计方法和实验设计思路。

基因差异表达检测

• 匹配对数据集检测差异表达基因 ：在基因研究中，使用匹配对数据集检测差异表达基因是一种常见方法。即使在家族式误差率（FWER）为 0.01 的情况下，通过特定程序（i）也能检测到超过 700 个差异表达基因，这远远超过了结直肠癌筛查生物标志物开发的候选基因数量。使用三种不同程序都能检测到前 100 个基因，且这三种程序的结果吻合度较好。后续按照程序（i）计算的 p 值显著性对基因进行排名。
• 测试集分类与验证 ：为了验证所选的差异表达基因集，将研究限制在前 50 个基因对测试集进行分类，测试集包含 16 个正常样本和 22 个肿瘤样本。采用对角二次判别分析（DQDA）进行分类，发现仅前 5 个基因就能实现 0%的测试误差。与对角线性判别分析（DLDA）相比，在该结直肠癌数据集上，DQDA 更高效，DLDA 需要前 7 个基因才能达到 0%的测试误差。这可能是因为该数据集包含肿瘤和正常组织，比其他研究使用的数据集更具异质性，因此在 DQDA 中对两组使用不同方差更有效。
• Hotelling’s T² 统计量 ：通过对训练集中的基因进行所有可能的配对，计算 Hotelling’s T² 统计量，并按大小顺序获得前 25 对基因。有趣的是，这 25 对基因列表与单变量 t 统计量的前 50 个基因列