A bayesian analysis for identifying differentially expressed genes by using a mixture of three normal distributions

Abstract

지난 몇 년 동안 인간유전자 프로젝트와 생명공학에 급속한 발전이 이루어졌다. Microarray 실험은 image processing, 실험계획, 분별분석 등과 같은 다양한 분야에서 수없이 많은 통계학적 질문을 제기했다. 이 논문은 유전자 표현 자료의 분석을 위해서 베이지안 방법을 제시하고 세 그룹으로 분류한 under-active gene, normal gene, active gene을 설명해 주는 세 개의 정규분포의 mixture 형태를 가진 모델이 소개된다. mixture 모델을 추정하기 위해서 EM algorithm이 사용되었다. 반복이 있는 실험과 반복이 없는 실험이 분석되었고 그 결과를 비교했다. 실제 자료의 예가 소개되었다. ; In the past few years, rapid progress has been made in the human genome project and biotechnologies. Microarray experiments raise numerous statistical questions in diverse fields such as image processing, experimental design, and discriminant analysis. One of important issues in analyzing gene expression data is clustering genes. In this paper, we use a Bayesian approach to cluster genes. As an underlying distribution of the genes, we used a mixture of three normal distribution that represent active, normal, and under-active genes. To estimate the mixture structure of the model, an EM algorithm is used. The analysis is done with and without replication of the experiment and the results are compared with discussions. An example of real data is considered for illustration. Key word: cDNA microarray experiment, gene expression, EM algorithm