一种用于微阵列表达数据分析的贝叶斯框架：正则化t检验与基因变化的统计推断

动机：DNA微阵列现在能够提供跨多种不同条件的全基因组基因表达模式。这些模式的初步分析需要确定观察到的表达差异是否显著。由于缺乏一个能够容纳噪声、变异性和通常存在的低重复性的系统框架，现有方法令人不满意。结果：我们开发了一个用于微阵列数据分析的贝叶斯概率框架。在最简单的层面上，我们通过独立的正态分布模型对对数表达值进行建模，参数由相应的均值和具有层次先验分布的方差给出。我们推导出参数和超参数的点估计，并通过结合经验方差与邻近基因相关的局部背景方差，得到每个基因方差的正则化表达式。一个附加的超参数与经验观察数量成反比，决定背景方差的强度。模拟结果表明，这些点估计结合t检验，提供了一种系统的推断方法，其性能优于简单t检验或折叠方法，并部分弥补了缺乏重复的不足。