利用核密度和廣義估計方程式估計致病基因的個數

Abstract

找出致病基因在醫學研究中是非常重要的議題，生物學家藉由同一個病人身上的腫瘤細胞和正常細胞進行基因定序，基因讀值經過RPKM(reads per kilobyte of exon model per million mapped reads)校正後之差值，可利用成對樣本t檢定找出致病基因。但數以萬計的基因進行多重檢定時，如果不調整個別檢定之顯著水準，則整體型一誤差就會膨脹。目前主要解決方法為控制FDR(false discovery rate)和FWER(familywise error rate)。但當虛無假設不為真時，FWER方法會有較小的檢定力而且趨近保守。但是不論控制FDR或FWER，首先需準確地估計虛無假設的個數。 本研究是針對鄭暘諭(2016)所提出對虛無假設個數進行估計的EM演算法，從單維度拓展至多維度的探討。本研究假設基因資料呈混合型多變量常態分配，估計方法主要分為兩個部分，第一部份提出利用EM演算法以及核密?估計(Kernel Density Estimation) 的兩種估計方法，第二部分利用廣義估計方程式(Generalized estimating equation，簡稱GEE)進行估計虛無假設為真的比例和單一顯著水準?值。最後，考慮基因表現值分別在低、中和高相關時，和資料是否呈多變量常態分配下進行模擬，並比較和探討三種提出方法的優劣。

Date of Award	2017 Aug 7
Original language	Chinese
Supervisor	Mi-Chia Ma (Supervisor)