Um arcabouço Bayesiano para a análise de dados de expressão em microarrays: teste t regularizado e inferências estatísticas das alterações gênicas

MOTIVAÇÃO: Microarrays de DNA agora são capazes de fornecer padrões de expressão gênica em todo o genoma sob diversas condições. O primeiro nível de análise desses padrões requer determinar se as diferenças observadas na expressão são significativas ou não. Métodos atuais são insatisfatórios devido à falta de um arcabouço sistemático que possa acomodar ruído, variabilidade e baixa replicação, frequentemente típicos de dados de microarrays. RESULTADOS: Desenvolvemos um arcabouço probabilístico Bayesiano para análise de dados de microarrays. No nível mais simples, modelamos valores de log-expressão por distribuições normais independentes, parametrizadas por médias e variâncias correspondentes com distribuições hierárquicas a priori. Derivamos estimativas pontuais para ambos os parâmetros e hiperparâmetros, e expressões regularizadas para a variância de cada gene combinando a variância empírica com uma variância de fundo local associada a genes vizinhos. Um hiperparâmetro adicional, inversamente relacionado ao número de observações empíricas, determina a força da variância de fundo. Simulações mostram que essas estimativas pontuais, combinadas com um teste t, fornecem uma abordagem sistemática de inferência que se compara favoravelmente com métodos simples de teste t ou fold, e compensam parcialmente a falta de replicação.