A multivariate empirical Bayes statistic for replicated microarray time course data
重复微阵列时间进程数据的多元经验贝叶斯统计量AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要的对象是纵向基因表达数据，未明确经济面板或宏观时间序列研究，故不作细分归类。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
重复微阵列时间进程数据的多元经验贝叶斯统计量
- 研究问题
- 对于具有重复观测的纵向微阵列实验，如何依据时间均值曲线偏离零、偏离常数或组间不同的证据排列基因？
- 方法与思路
- 作者利用共轭先验构建多元经验贝叶斯框架，推导单样本和双样本统计量，并纳入时间相关结构、调节与重复观测。
- 材料陈述的贡献
- 摘要称，论文给出 MB 统计量及 Hotelling 统计量的变体，覆盖三类时间曲线原假设，用于按证据强弱排列基因。
- 阅读关注点
- 应核对先验与协方差结构、经验贝叶斯参数估计、调节机制，以及基因排序与正式多重检验之间的关系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；没有给出误差控制、模拟比较或应用数值，排序用途不能直接理解为发现率保证。
原文摘要
In this paper we derive one- and two-sample multivariate empirical Bayes statistics (the MB-statistics) to rank genes in order of interest from longitudinal replicated developmental microarray time course experiments. We first use conjugate priors to develop our one-sample multivariate empirical Bayes framework for the null hypothesis that the expected temporal profile stays at 0. This leads to our one-sample MB-statistic and a one-sample T̃2-statistic, a variant of the one-sample Hotelling T2-statistic. Both the MB-statistic and T̃2-statistic can be used to rank genes in the order of evidence of nonzero mean, incorporating the correlation structure across time points, moderation and replication. We also derive the corresponding MB-statistics and T̃2-statistics for the one-sample problem where the null hypothesis states that the expected temporal profile is constant, and for the two-sample problem where the null hypothesis is that two expected temporal profiles are the same.