六种差异基因筛选方法及筛选效果的比较.pdfVIP

2007年中国卫生统计学术大会论文集西安 六种差异基因筛选方法及筛选效果的比较 赵发林刘艳李康 哈尔滨医科大学卫生统计学教研室 对基因表达数据的分析，．其重要任务之一是筛选差异表达基因，即通过比较正 常和疾病状态下基因转录及表达的差异，研究疾病的发生机理、进行疾病的早期诊 断及治疗。差异基因筛选方法有多种，各种差异基因筛选方法处理由基因芯片获得 的微阵列数据的过程基本相同，即先计算表达每一个基因的组间差异的统计量，然 后按统计量的绝对值大小进行排序，可以认为排位越靠前的基因其组间差异为真实 差异基因的概率较大；也可以将计算所得统计量以O为界分为两部分，然后按其绝 对值大小分别排序，大于0的部分排序靠前的基因与小于0的部分排序靠前的基因 可分别认为是上调／下调或下调／上调基因。排序后的基因可按照经验或统计学原理确 定切点，将排位靠前的部分基因识别为差异表达基因。国内外一些学者曾对多种差 异表达基因筛选方法进行过比较，但通常针对的是特定的几种方法，比较时所用的 数据及条件也不尽相同。本文在简要介绍6种差异基因筛选方法的基础上，采用计 算机模拟实验的方法，针对不同类型的数据对其进行比较和研究。与其他研究相比， 本文主要进行了以下几点改进：_是在相同条件下对六种方法进行比较：二是通过 选择不依赖样本分布的ROC曲线下面积AUC值对变量的组间差异进行设置，增强 了不同类型数据筛选结果间的可比性；三是以真实基因芯片实验数据为基础产生模 拟实验的噪声数据，使模拟结果更接近真实情况。 1．原理与方法 1．1FC：法 FC法(FoldChange)常被译为倍数法或倍数差异法，是早期基因芯片实验常采 用的筛选差异表达基因的方法。其算法如下： 粥=MD—M丑 (1) 式中MD和M口分别为对不同分组每例观测的基因表达水平取对数后的均值。由公式 可知，FC法仅比较不同组间变量平均差别的大小，其缺点显而易见，即没有考虑到 数据的离散程度，理论上存在一定的不足。 2007年中国卫生统计学术大会论文集西安 1．2r检验 芒检验指传统的两组均数比较方法，理论上要求两组数据均来自正态总体且两组 数据的总体方差相等。由于基因芯片实验所得数据通常无法完全满足这一假设，所 以用芒检验进行差异表达基因筛选所得的结果不够理想，实际中常用的是Welch近 似芒检验，该方法针对组间方差不齐的情况对自由度进行了校正。 1．3SAM法 of SAM法(Significanceanalysis 据的一种方法。其基本原理是在传统芒检验公式的分母中加上一个较小的正数Jo， 使构建的统计量在分子(均数差值)较小的情况下不容易得到较大的芒值。当基因 表达水平较低时常出现组间均数差值较小的情况，通过上述调整可以在很大程度上 限制表达水平较低的基因被识别为差异表达基因，并且使得统计量的分布较少依赖 与基因表达水平。其具体算法如下： ㈣：圣盟二豆盟 “ s(f)+so (2) 公式中‰的取值需保证统计量d(f)的变异系数最小，d(f)的变异系数可以通过 1．4SAMROC法 该方法可以认为是按照另一种原则计算SAM法中的修正参数Jo。其基本思想是： 在一定范围内变化检验显著水准口和修正参数so的取值，并在每一个取值情况下筛 选差异表达基因，估计每一组差异表达基因对应的假阳性率和假阴性率，计算相应 的衡量指标‘‘C距离”，在一定范围内取C距离最小的条件组合，选取此时对应的Jo为 最终确定的校正参数值。C距离具体含义如下：在坐标系内以假阴性率和假阳性率描 点，计算该点与原点的距离，该距离即为‘‘c距离”，其示意图如图1，它显示了两种 条件中条件l有较小的C距离，能够同时保证具有较小的假阴性率和假阳性率。这 一方法与SAM法有类似的特点，并且筛选出的一组差异表达基因同时具有较小的假 阳性率和假阴性率，其思想类似于RoC工作曲线。