以RNA序列資料偵測差異表現基因的統計方法比較

以RNA序列資料偵測差異表現基因的統計方法比較. Comparisons of Statistical Methods for Detecting Differentially Expressed Genes with RNA-seq Data. 隨時查．隨時看，你的隨身圖書館已上線! 立即使用 DOI 是數位物件識別碼 （ D igital O bject I dentifier ） 的簡稱， 為物件在網路上的唯一識別碼，可用於永久連結並引用目標物件。

使用DOI作為永久連結 每個DOI號前面加上 「 http://dx.doi.org/ 」 便成為永久網址。

如以DOI號為 10.5297/ser.1201.002 的文獻為例，此文獻的永久連結便是： http://dx.doi.org/ 10.5297/ser.1201.002 。

日後不論出版單位如何更動此文獻位置，永久連結所指向的位置皆會即時更新，不再錯失重要的研究。

引用含有DOI的文獻 有DOI的文獻在引用時皆應同時引用DOI。

若使用APA、Chicago以外未規範DOI的引用格式，可引用DOI永久連結。

DOI可強化引用精確性、增強學術圈連結，並給予使用者跨平台的良好使用經驗，目前在全世界已有超過五千萬個物件申請DOI。

如想對DOI的使用與概念有進一步了解，請參考 華藝DOI註冊中心 （ doi.airiti.com ） 。

來源資料 臺灣大學流行病學與預防醫學研究所學位論文 碩士班/2014年 以病患女兒數目預測腦中風急性期後住院復健之返家障礙研究 以全基因組關聯探討思覺失調症之神經認知功能缺損：多基因分數策略 使用動態貝氏網路建立傳染病個體化模擬模型：以肺結核介入政策為例 微型核醣核酸-122和B型肝炎病毒量與肝細胞癌發展的相關性：巢式病例對照研究 以貝氏馬可夫模式探討乳房攝影表徵之乳癌自然病史及預後 以全基因體定序策略探討某一思覺失調症多發性家族的易感受性遺傳變異 前哨淋巴結切片結合其他診斷工具於臨床上頸部轉移零期頭頸癌診斷正確率及結果之相關研究 利用先端統合分析方法整合証據以解決胰臟疾病領域之爭議問題 探討B型肝炎帶原者週邊血液PPARs基因表現與代謝因子、肝臟異常的關係 全面性新生兒聽力篩檢之隨機成本效用分析 醫藥衛生 > 預防保健與衛生學 公共衛生學院 > 流行病學與預防醫學研究所 書目管理工具 書目匯出 加入收藏 加入購物車 E-mail給朋友 列印書目 相關連結 問題回報 購買單篇 全文下載 以RNA序列資料偵測差異表現基因的統計方法比較 ComparisonsofStatisticalMethodsforDetectingDifferentiallyExpressedGeneswithRNA-seqData 呂泓廷 ,碩士　　指導教授：林菀俞　　 繁體中文 DOI： 10.6342/NTU.2014.01737 次數資料；差異表現基因；蒙地卡羅模擬；次世代定序；核醣核酸定序；Countdata；Differentiallyexpressedgenes；Monte-Carlosimulation；Next-generationsequencing；RNASequencing 分享到 摘要 │ 參考文獻 (30) │ 文章國際計量 摘要 〈TOP〉 由於次世代定序(next-generationsequencing,NGS)的發展，核醣核酸定序(RNA-seq)實驗對基因體研究將出現改革性的影響。

與既有的微陣列實驗相比，RNA-seq實驗常提供了更準確的訊號。

隨著定序成本的下降，RNA-seq被認為將取代微陣列實驗。

數個分析RNA-seq資料的統計方法已被發展，如edgeR、DESeq2、baySeq、TSPM、NOISeq、SAMseq、Limma、EBSeq以及PoissonSeq等，這九個統計方法在RNA-seq資料分析中常被使用。

然而，這些方法之前置正規化處理、序列讀數的統計分布假設、偵測差異表現基因的統計方法以及錯誤發現率控制法皆有不同。

如何選擇一個較具檢定力的方法仍是待解決的問題。

在本論文中，我們針對此九個方法提供一系統性的整理與比較。

除了蒙地卡羅(Monte-Carlo)模擬外，亦呈現兩則實際資料分析。

根據我們的模擬結果，一般言之，Limma方法和baySeq方法的表現最好，其中Limma方法的計算時間較短，為所有方法中較具分析RNA-seq資料潛力的方法。

並列摘要 〈TOP〉 Asthedevelopmentofnext-generationsequencingtechnologies,RNA-sequencing(RNA-seq)experimentisrevolutionizinggenomicstudies.Comparedwiththeexistingmicroarraytechnology,RNA-sequsuallyprovidesmoreprecisesignals.RNA-seqexperimentisconsideredtoreplacemicroarraytechnologywhenthesequencingcostdecreases.SeveralstatisticalmethodsforRNA-seqdataanalysishavebeendeveloped,suchasedgeR,DESeq2,baySeq,TSPM,NOISeq,SAMseq,Limma,EBSeq,andPoissonSeq,etc.TheseninestatisticalmethodsarepopularincurrentRNA-seqdataanalyses.However,thenormalizationstrategies,thedistributionassumptionsforreadscounts,thestatisticalmethodstodetectdifferentiallyexpressedgenes,andthefalsediscoveryratecontrolfortheninemethodsaredifferent.Howtochooseamorepowerfulmethodisstillanopenquestion.Inthisthesis,weprovideasystematicsummaryandcomparisonoftheseninemethods.InadditiontoMonte-Carlosimulationstudies,tworealdataanalyseswerealsoperformed.Basedonoursimulationresults,generallyLimmaandbaySeqhadthebestperformanceamongtheninemethodswecompared.Moreover,LimmawasmorecomputationallyfeasiblethanbaySeq.Amongtheseninemethods,LimmahasmorepotentialtoanalyzeRNA-seqdata. 參考文獻 ( 30 ) 〈TOP〉 1.RobinsonMD,McCarthyDJ,SmythGK(2010)edgeR:aBioconductorpackagefordifferentialexpressionanalysisofdigitalgeneexpressiondata.Bioinformatics26:139-140.連結： 2.RobinsonMD,SmythGK(2007)Moderatedstatisticaltestsforassessingdifferencesintagabundance.Bioinformatics23:2881-2887.連結： 3.RobinsonMD,SmythGK(2008)Small-sampleestimationofnegativebinomialdispersion,withapplicationstoSAGEdata.Biostatistics9:321-332.連結： 4.AndersS,HuberW(2010)Differentialexpressionanalysisforsequencecountdata.GenomeBiol11:R106.連結： 5.LoveMI,AndersS,HuberW(2014)ModeratedestimationoffoldchangeanddispersionforRNA-SeqdatawithDESeq2.bioRxiv.連結： 文章國際計量 〈TOP〉 E-mail ： 文章公開取用時，將寄通知信至您填寫的信箱地址 E-mail ： 購物車中已有多篇文章，請問是否要先清除，或一併加入購物車中購買?