差异表达基因检测不仅具有统计学意义，而且具有生物学意义，在医学临床诊断、药物疗效判断、揭示疾病发生机制等方面都有重要的作用。在医学研究中，癌症差异表达基因检测就是一个重要的问题。差异表达基因检测统计方法的目的是识别由于实验环境变化而引起的表达水平改变的基因［43］。在基因芯片数据分析中，差异表达基因检测的传统方法通常是假定所有癌症组样本相对于正常组样本都具有过高或过低的表达。...
2023-11-21 理论教育
差异表达基因检测数据分析研究
- 详细阅读
-
差异表达基因检测样本子集的统计方法详细阅读
2005年，Tomlins等人发现了一种不同的差异表达模型，一些致癌基因只在癌症组样本的一小部分中存在异常，这类基因的差异表达检测需要考虑癌症组样本子集相对于正常组样本是过表达的，即一个组中的一部分样本相对于另一个组样本有过高或过低的差异表达，这引起了许多学者的广泛关注［99］。基于假定癌症组所有样本相对于正常组样本都有过高或过低表达的差异表达基因检测统计方法，没有考虑到癌症基因的活化性特点。...
2023-11-21 理论教育
-
生物信息学云平台解决存储和分析问题详细阅读
高通量测序技术迅猛发展，使生物信息学进入了大数据时代，由此所引发的多组学海量生物数据更需要利用云的方式来解决存储和分析等问题。把云计算技术应用到生物信息学的大数据中，面向大数据的生物信息云有助于更好地应对生物信息大数据带来的新挑战，挖掘生物数据中蕴含的大量“宝藏”。利用新提出的云计算的理念，把大数据存放在分布式文件系统中，采用MapReduce并行编程模型，可以在一定程度上解决大数据的分析问题。...
2023-11-21 理论教育
-
基因芯片应用研究：差异表达基因检测数据分析详细阅读
在农作物的基因育种方面，基因芯片技术已经成为育种工作的一项重要手段，利用基因芯片技术可以在多样本、高通量群体中进行基因筛选，从而找到携带目的基因的优良个体，充分利用有利的基因序列资源，创造方便、快捷的育种工作环境。近几年来，以基因芯片技术为代表的生物芯片技术迅速发展，使人类科学技术的研究有了阶段性的进步，对科学技术的发展产生了巨大的影响［32-34］。...
2023-11-21 理论教育
-
RNA-Seq差异表达基因检测数据分析详细阅读
RNA-Seq测序技术已成为研究基因表达的重要实验手段，比较不同样本中基因表达差异，为解决后续的生物问题提供了定量分析的依据。生物信息学科的研究工作者近年来也意识到了大数据带来的挑战，开发了一些基于云计算的分析软件，其中涉及RNA-Seq数据分析的主要有MyRNA、Crossbow等。本部分的研究即将要构建的基因差异表达分析流程就是针对RNA-Seq技术得到的原始数据进行设计和实现的。...
2023-11-21 理论教育
-
基于Spark的聚类算法实现详细阅读
Spark MLlib中的K-means算法使用Map分布式读取数据集，并存储在内存里。计算时，用Map键值对表示随机挑选出来的k个聚类中心，Spark的驱动器节点负责把数据发送到各个工作节点，以实现具体的计算任务。Spark MLlib不同于传统的机器学习工具，它提供了简单易用的API，特别是Spark能够高效地处理大数据，并且在迭代计算时具有较强的优势。...
2023-11-21 理论教育
-
云计算的内涵及其重要性详细阅读
云计算的本质特征是虚拟化特性，主要体现在实际运行的计算平台和运行环节的联系少。云计算可以结合数据的计算和虚拟化特点实现多项任务的共融，具有良好的灵活性。云计算技术能够精确地计算出相关数据，可靠性高，计算失误率低。云计算将一切资源作为服务，按照所用即所付的方式进行消费，其计算发生在服务器集群或数据中心。也可以说，云计算具有了对远程计算资源的易访问性［154］。...
2023-11-21 理论教育
-
Reads片段的Mapping：差异表达基因检测数据分析详细阅读
每个Reads片段都对应了一个基因的某个转录本，所以通过将Reads序列Mapping到参考基因组序列上，继而根据该参考基因组已有的基因注释信息，推定出各个基因在转录组中对应的表达量的高低。Reads序列Mapping的结果往往存储在Sam文件或者Bam文件中［180，181］。...
2023-11-21 理论教育
-
Hadoop与Spark技术：专注差异表达基因检测数据分析详细阅读
Hadoop技术比较容易由单台服务器扩充到数千台服务器。Spark技术主要提供基于内存计算，能快速进行数据分析，具有通用性，是可扩展的分布式计算引擎。Spark技术在进行数据分析时速度快。Spark技术有Hadoop以及MapReduce的特点，但Spark技术与MapReduce的不同之处是不需要读写HDFS，中间输出的结果保存在内存中。基于Spark技术和Hadoop框架结合的机器学习算法，解决了Mahout在迭代算法处理数据时消耗资源过多和系统整体性能下降的缺陷，提高了数据处理分析的速度［162］。...
2023-11-21 理论教育
-
差异表达基因检测数据分析成果研究详细阅读
在国外涉及较早的变点研究是突变点，对于渐变式变点的研究也有一些结论，对于位置参数模型提出了变点的最小二乘法的估计。最小二乘法就是以观察值和理论值之差的平方和作为目标函数，将其达到极小值的点作为有关参数的点估计［8］。给出衡量最小二乘法识别多差异表达基因检测突变点能力的方法，模拟研究最小二乘法对不同具有差异表达基因的基因表达谱数据生成过程的多差异表达基因变点检测效果［10］。...
2023-11-21 理论教育
-
基于似然性方法检测差异基因的研究成果详细阅读
Hu在2008年提出了LRS方法，LRS方法是基于似然性方法在基因表达谱数据中寻找癌症组样本基因表达强度的改变点，识别有差异表达的癌症基因，选取最大似然率进行癌症组样本检测。，n时，xij表示癌症组样本的基因表达强度。采用函数v＝，其中Φ表示标准正态分布函数，对于0≤m0＜m1＜n和b＞0，则有直接将LRS方法应用在相反的情况下，检测癌症组样本中过低调节的差异基因表达值。...
2023-11-21 理论教育
-
基于大数据技术的机器学习算法应用分析详细阅读
Hadoop可编写和运行分布式应用以及处理大规模数据，Mahout为一些机器学习算法框架库，但Mahout基于MapReduce计算框架，不适合处理迭代算法。因此，基于Spark和Hadoop框架结合的机器学习算法，要解决Mahout在应用迭代算法处理数据时消耗资源过多和系统整体性能下降的缺陷，提高数据处理分析的速度。基于MapReduce框架编写的Mahout机器学习库，使用HDFS技术在云基础架构上能够满足对大数据的存储要求，但I／O资源消耗过大造成系统整体性能降低［155］。...
2023-11-21 理论教育
-
差异表达基因检测数据分析研究成果详细阅读
差异表达基因检测普遍采用的方法是计算T统计方法，T统计方法通过两组样本的均值来判断基因是否存在表达差异。差异基因表达检测研究通过在不同实验条件下基因表达水平的显著性变化来判断基因的差异性，通常采用假设检验原理，把样本分为正常组样本和癌症组样本两类，或者分为两种条件下的多次重复试验，并对此进行判断。T统计方法通常用于检测两组样本均值的显著差异性，在差异基因表达检测中，它也是常用的较简洁的统计方法。...
2023-11-21 理论教育
-
差异表达基因检测方法总结及改进研究详细阅读
差异表达基因检测可以寻找相对于正常组织过高或过低调节的癌症组织，在医学临床诊断、药物疗效判断、揭示癌症疾病发生机制等方面都有重要的作用。本书总结了Tomlins等人关于癌症组样本子集过表达的差异表达基因检测统计方法，同时通过模拟研究和真实数据的检验，比较分析了这些差异表达基因检测方法，并提出了改进的差异表达基因检测方法。...
2023-11-21 理论教育
-
Spark+Hadoop机器学习算法在基因表达数据中的应用详细阅读
Spark技术为基于内存的开源计算，Spark生态系统在机器学习领域的重要应用MLlib具有很多常用算法，实现了K-means等多种分布式机器学习算法。本章探讨Spark+Hadoop技术的机器学习的深度和广度提升了大数据分析的效率，适应迭代式机器学习模型的特定需求，分析数据中的关系以获得规律来预测新样本，对数据进行收集、统计和分析。...
2023-11-21 理论教育
-
差异表达基因数据集详解详细阅读
真实数据的乳腺癌基因寻找结果采用乳腺癌的数据，即包含7 129个基因，49个乳腺癌样本，其中正常组样本数为25，癌症组样本数为24。单基因水平研究标准化最简单的方法是从所有log-ratios强度扣除一个它们值的均值或中值的常数，以实现数据转换［47］。...
2023-11-21 理论教育