GLRT和LS_SVM应用于基因表达数据分类

为快速、准确地对基因芯片表达数据进行分类,提出了一种新型的基因芯片表达数据分类模型.该模型首先使用广义似然比检验(GLRT)有效鉴别出表达有显著性差异的基因.然后,将这些表达有显著性差异的基因用于最小二乘支持向量机(LS_SVM)的训练,从而建立了基于GLRT+LS_SVM的基因芯片表达数据分类模型.该模型在处理数据量大、维数高、样本量小、非线性等特点的基因芯片数据时有很大优势,可以广泛用于处理基因芯片数据.     

利用基因芯片技术筛选差异表达基因的方法研究

为了探讨高维基因芯片基因表达谱数据筛选差异表达基因的方法,分析比较t检验法、秩和检验法、BON法、SIDAK法及ALSU法5种算法的差异表达基因筛选效率;采用模拟实验对t检验法、ALSU法等5种算法进行比较,并使用第一类、第二类错误率、总体错误率、筛选差异表达基因数及其均方根误差等5种指标进行评价;t检验法、秩和检验法计算结果过于灵敏,筛选差异表达基因个数较多,会促使筛选差异表达基因中假阴性事件的发生,BON法、SIDAK法筛选结果过于保守,筛选的差异表达基因个数较少,假阳性事件发生率较为显著,ALSU法能较稳定的抑制第一、二类错误率的发生,同时ALSU法筛选结果受系统扰动误差影响较笺LSU方法能够稳定的、高效的筛选差异表达基因,在使用高纬基因表达谱数据筛选差异表达基因时应首选ALSU法.     

复杂网络整合分析方法在乳腺癌疾病机理研究中的应用

将乳腺癌相关基因抽象为节点,利用基因表达谱分别构建正常组织样本(C组)与乳腺癌样本(E组)的pearson、spearman、kendall、mutual information和mic等5种相关性网络,进而分析网络节点度在C组和E组中的差异性,筛选出17个结构性关键基因,其中12个基因已有文献证实与乳腺癌显著相关.它们主要通过两种途径参与到乳腺癌的进程中,一种是控制乳腺癌癌细胞的增殖或凋亡,另一种是促进乳腺癌癌细胞的侵袭和转移.     

基于基因表达谱数据筛选差异表达基因新方法

提出一种基于基因表达谱数据筛选差异表达基因的新方法;介绍了筛选差异表达基因常见方法-错误发现率方法(False Discovery Rate,FDR,),分析了多重假设检验p值性质,并根据p值性质提出了一种筛选差异表达基因新方法-单位γ度量法(Unit Measure-γ,UM-γ),建立了计算机模拟基因表达谱数据模型,制定了假阴性率、假阳性率、灵敏度、特异度以及总体错误率等作为考核指标,并使用基因表达谱模拟数据进行计算、比较;单位γ度量法估计非差异表达基因个数具有较高的稳定性和准确性;单位γ度量法既能够同时控制假阳性、假阴性以及总体错事件的发生,又能在一定程度上提高筛选结果的灵敏度和变异度;新提出的方法能有效、准确且稳定的对模拟数据差异表达基因进行筛选.     

急性髓细胞白血病基因筛选模型的贝叶斯分析

基因表达数据蕴含着大量的生物信息,在生物基因信息研究中,筛选表达水平发生显著变化的差异基因是认识疾病形成机理和辅助靶点药物研究的关键问题.根据急性髓细胞白血病(AML)的基因表达数据,构造基因均值差序列,建立贝叶斯分层混合模型,并为模型的参数赋予具有基因生物特征的先验信息.采用马尔可夫链蒙特卡洛(MCMC)算法对模型参数进行估计,并筛选出急性髓细胞白血病差异表达基因.在实际数据分析中,从美国生物信息中心(NCBI)的高通量基因表达数据库中获取急性髓细胞白血病基因数据集,从经过非特异滤波预处理的14688个急性髓细胞白血病基因中筛选出711个差异表达基因,差异表达基因数仅占急性髓细胞白血病基因总数的4.84%,这一结果与基因差异表达的生物学原理相吻合.     

长链非编码RNA UCA1 在胃癌组织中的表达及其效应分析

目的 分析胃癌组织特征长链非编码RNA（lncRNA）表达谱,并探讨长链非编码RNA UCA1 在胃癌中的表达及效 应。方法 采用基因芯片检测6 例胃癌患者的肿瘤组织及癌旁正常组织LncRNA表达水平,分析胃癌组织特征lncRNA 表达谱,进一步通过定量PCR 检测40 例胃癌及其对应的癌旁正常组织中UCA1的表达并分析淋巴结转移、肿块大小、细胞分化程度及病理分期等临床病理特征的关系。在此基础上,利用siRNA 下调AGS 胃癌细胞内UCA1 表达水平,利用CCK-8 试剂盒检测UCA1干预对胃癌细胞增殖能力的影响。结果 LncRNA 基因芯片检测到胃癌组织1 021条差异＞2倍的lncRNA（P＜0.05）,定量PCR 验证明显差异表达的UCA1在胃癌组织中的表达显著高于正常组织（P＜0.01）。此外,临床病理相关分析显示,UCA1表达水平还与胃癌的细胞分化程度及病理分期相关。分化低的胃癌组织中UCA1表达水平明显高于中、高分化的胃癌组织（P＜0.05）;病理分期Ⅲ/Ⅳ期胃癌组织的UCA1 表达水平明显高于Ⅰ/Ⅱ期的标本（P＜0.05）。此外,下调UCA1 胃癌细胞表达可明显抑制细胞增殖。结论 异常表达的lncRNA 参与了胃癌的发生、发展,其中肿瘤组织上调表达的UCA1是胃癌重要的促癌基因。     

最小一乘估计在多重检验中的应用——基于乳腺癌微阵列数据

运用多重检验方法对高维数据进行推断统计分析.首先将最小一乘估计算法应用在多重检验分析中,构造出新的估计真实零假设个数的方法.其次对最小一乘与最小二乘方法估计真实零假设个数的准确性进行模拟比较分析,模拟结果表明前者较后者估算结果更准确.最后,将上述估计方法应用于乳腺癌微阵列数据的分析中寻找有表达差异的基因.检验结果共找到118个差异基因,其中85个基因在生物学上是有效基因,实证表明该方法具有一定的实用性.     

Pokemon和p53在乳腺癌组织中的表达及其生物学意义

目的 探讨乳腺癌组织中Pokemon和p53蛋白的表达及其相关性，并分析其与乳腺癌患者临床病理特征的关系。方法 采用免疫组化En Vision 法检测90 例乳腺癌和相应癌旁组织中Pokemon 和p53 蛋白的表达情况。结果 乳腺癌组织中Pokemon和p53蛋白表达阳性率均明显高于癌旁组织（均P＜0.01）；Pokemon 和p53蛋白的表达与乳腺癌患者临床分期及淋巴结转移均有关（均P＜0.01），而与患者年龄、肿瘤大小、组织学类型及分级均无关（均P ＞0.05）。Spearman相关分析显示在乳腺癌组织中，Pokemon 和p53 蛋白表达呈正相关（P＜0.01）。结论 Pokemon 和p53蛋白异常表达可能与乳腺癌的发生、发展有关，联合检测两者对评估乳腺癌生物学行为及预后具有较重要的临床意义。     

miR-130a和miR-125b在川崎病外周血细胞中的表达及意义

目的 通过检测miR-130a 和miR-125b 在伴或不伴冠脉扩张（CAD）川崎病（KD）患儿与正常健康儿童外周血单核细胞（PBMC）中的表达差异,探讨两者可否作为KD 和CAD诊断及预后评估的全新血清生物标志物。方法 利用基因芯片技术筛选出KD 患儿与正常健康儿童之前具有差异表达的miRNAs,通过生物信息学分析,确定候选基因。进一步选取KD 患儿30 例（伴或不伴CAD 各15 例）、正常健康儿童15 例,采用茎环RT-PCR 的方法,验证候选基因miR-130a 和miR-125b 在PBMC 中的表达情况。结果 （1）通过基因芯片技术,分析KD 患儿与正常健康儿童PBMC 中存在明显差异表达的miRNA 共63 条,经过生物信息学分析,确定候选基因;（2）通过茎环RT-PCR 验证发现miR-130a 和miR-125b 在患儿IVIG 治疗前表达明显下调,而IVIG治疗后表达明显上调（P＜0.05）;（3）伴CAD 的KD 患儿miR-130a 及miR-125b 表达较不伴CAD 明显升高,且呈正相关性（R2 =0.734,mir-130a;R2 =0.709,miR-125b）;（4）ROC 曲线分析表明miR-130a（特异度87.5%和敏感度77.5%）和miR-125b（特异度83.3%和敏感度76.6%）对KD 及CAD 的判断有较高的特异度和敏感度。结论 PBMC 中的miR-130a 和miR-125b 参与了KD的发生与发展,可作为KD 及CAD诊断及预后评估的一项全新血清生物标志物,并为KD冠脉扩张的防治提供新的思路。     

基于神经网络MIV值分析的肿瘤基因信息提取

运用统计学及数据挖掘相关知识,以结肠癌基因表达图谱为研究对象,综合运用GB指数、BP神经网络、小波变换等方法对问题给出求解的过程和结果.首先采用GB综合指数对无关基因进行筛选,选择两组备用基因的交集(114个)作为信息基因,降低基因维度.其次,用基因间的强相关性剔除冗余基因,利用BP神经网络对基因进行错判数计算,选取错判率最低、基因子集中基因数量最少的基因特征组,再利用平均影响值(MIV)方法进行基因筛选,最后进行错判数计算,最终确定含有12个基因的子集为最优基因组合.第三步,将每组基因表达值看做基因信号,运用小波转换法对基因数据进行去噪,去噪后特征基因减少为8个.     

A Mathematical Analysis of Technical Analysis

In this paper, we investigate trading strategies based on exponential moving averages (ExpMAs) of an underlying risky asset. We study both logarithmic utility maximization and long-term growth rate maximization problems and find closed-form solutions when the drift of the underlying is modelled by either an Ornstein-Uhlenbeck process or a two-state continuous-time Markov chain. For the case of an Ornstein-Uhlenbeck drift, we carry out several Monte Carlo experiments in order to investigate how the performance of optimal ExpMA strategies is affected by variations in model parameters and by transaction costs.     

模糊数据包络分析方法有效性分析

传统数据包络分析(DEA)模型只能用来评价具有精确投入和产出数据的决策单元.然而在实践中决策单元的投入产出数据可能存在一定模糊性.为了评价具有模糊投入产出数据的决策问题,研究工作者提出了模糊数据包络分析模型,并给出了相应的有效性定义.对于不同研究者提出的有效性定义方式有众多地方需要改进.通过这些改进提出了相关模型及新的有效性定义方式,并给出了相关实例.     

Dynamic Principal Component Analysis of Multivariate Volatility via Fourier Analysis

A method is proposed to compute a time‐varying correlation matrix between asset prices. The method has a natural geometric interpretation in terms of dynamic principal components analysis. The paper illustrates, via Monte Carlo experiments and data analysis, the potential of the method in computing cross‐correlations; and it describes market integration, introducing the concept of reference asset.     

关联分析技术在刑事犯罪分析中的应用

介绍了数据挖掘的关联分析技术,对典型的关联分析算法进行了分析和研究,给出了刑事案件分析中应用关联分析的挖掘思路和方法,并以"两抢一盗"案件为例进行分析和验证.     

效用关联分析在决策分析中的应用

本文分析了灰色关联分析法的不足之处，提出了运用效用函数改进白化权函数的方法．实践证明，这种方法科学合理，适用性更强．     

统计软件选用要素分析

本文通过对目前市场上的统计软件的情况分析,提出了选择与应用统计软件所应注意的问题与要素.最后用因果关系图将这些要素进行了表示.     

北京彩民调查分析

本论文在中国彩票事业出现的危机的情况下,为了促使中国彩票业得到良性发展,采用问卷调查的方式,从不同侧面详细地调查和分析了北京彩民的现状,为以后解决我国彩票业遇到的问题提供了定量依据.     

Analysis of equation submodels

In bond graph models, the atomic submodels are described by sets of equations. Because of the physical justification of the bond graph formalism, it provides extensive possibilities for verification of the model at the graphical level. The equation formulation on the other hand is founded in the mathematical domain, so the need for a check against physical criteria is both more needed and more difficult.

Causality assignment is the meeting point of the graphical level and the equation level. In bond graph modeling, causality assignment is a vital step in analysis and simulation. The assignment process in the graph is based on the causality restrictions of the atomic submodels. In this article, an automatic procedure for the derivation of causality restrictions of atomic submodels is presented. This process not only generates the correct set of causality restrictions, but also provides a detailed verification of the correctness of the submodel