高通量基因数据分析中的 Bayes 统计方法

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    10801123
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    16.0万
  • 负责人：
    张伟平
  • 依托单位：
    中国科学技术大学
  • 学科分类：
    A0403.贝叶斯统计与统计应用
  • 结题年份：
    2011
  • 批准年份：
    2008
  • 项目状态：
    已结题
  • 起止时间：
    2009-01-01 至2011-12-31

项目摘要

本项目的目标是研究高通量基因数据分析中的Bayes统计推断方法。高通量基因数据，如微阵列基因表达数据和单核苷酸多肽标记(SNP)数据等，因其变量维数远远大于数据个数、误差结构复杂等特点为传统统计的理论和方法带来了新的挑战和研究方向。Bayes统计中先验信息的使用可以增加和综合信息，以及对数据进行平滑和降维，加之现在MCMC计算方法已在很大范围内解决了Bayes统计的计算困难问题，使得Bayes统计尤其适合于对高通量基因数据进行统计建模和分析。本项目将首先从高通量基因数据分析中已广泛应用的线性模型和广义线性模型入手，发展稳健先验下的Bayes和经验Bayes统计推断方法并研究其性质，进而研究其在微阵列基因表达数据等高通量基因数据分析中的应用；对SNP数据单体型概率的估计问题，将侧重研究多层Bayes方法的应用并发展快速的计算方法。我们计划将这些方法应用于实际数据分析。

结项摘要

项目成果

期刊论文数量（12）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
A moving average Cholesky factor model in covariance modelling for longitudinal data
纵向数据协方差建模中的移动平均 Cholesky 因子模型
  • DOI：
    10.1093/biomet/asr068
  • 发表时间：
    2012-03-01
  • 期刊：
    BIOMETRIKA
  • 影响因子：
    2.7
  • 作者：
    Zhang, Weiping;Leng, Chenlei
  • 通讯作者：
    Leng, Chenlei
Double Sampling Method for Genetic Association Analysis with Differential Genotyping Errors
具有差异基因分型误差的遗传关联分析的双采样方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    Biostatistics, Bioinformatics and Biomathematics
  • 影响因子：
    --
  • 作者：
    Chen Yu;Zhang Weiping
  • 通讯作者：
    Zhang Weiping
Model Selection in Loglinear Models Using phi-divergence Measures and M-phi-Es
对数线性模型中的模型选择使用
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    Sankhya Series A
  • 影响因子：
    --
  • 作者：
    Chen Min;Jin Yinghua;Wu Yaohua
  • 通讯作者：
    Wu Yaohua
Correcting for cryptic relatedness by a regression-based genomic control method
通过基于回归的基因组控制方法纠正神秘的相关性
  • DOI：
    10.1186/1471-2156-10-78
  • 发表时间：
    2009-12-02
  • 期刊：
    BMC GENETICS
  • 影响因子：
    2.9
  • 作者：
    Yan, Ting;Hou, Bo;Yang, Yaning
  • 通讯作者：
    Yang, Yaning
Sparse paired comparisons in the Bradley-Terry model
Bradley-Terry 模型中的稀疏配对比较
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    Statistica Sinica
  • 影响因子：
    1.4
  • 作者：
    Ting Yan;Jinfeng Xu;Yaning Yang
  • 通讯作者：
    Yaning Yang

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

我国股市网络稳定性及其宏观影响因素 ———基于三种网络拓扑结构、鲁棒性的实证研究
  • DOI：
    --
  • 发表时间：
    2020
  • 期刊：
    运筹与管理
  • 影响因子：
    --
  • 作者：
    张伟平;庄新田;吴冬梅
  • 通讯作者：
    吴冬梅
关于复超典面上具正数量典率之黎复量的存在性
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    数学学报
  • 影响因子：
    --
  • 作者：
    张伟平
  • 通讯作者：
    张伟平
Circle bundles and the Kreck-stoly invariant
圆丛和 Kreck-stoly 不变量
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    Trans.Amer.Math.Soc.
  • 影响因子：
    --
  • 作者：
    戴先哲;张伟平
  • 通讯作者：
    张伟平
股市网络拓扑结构与系统性风险贡献度:基于VaR风险网络模型
  • DOI：
    --
  • 发表时间：
    2020
  • 期刊：
    管理工程学报
  • 影响因子：
    --
  • 作者：
    张伟平;庄新田;李延双
  • 通讯作者：
    李延双
纵向数据中基于偏自相关的均值协方差同时建模（英文）
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    应用概率统计
  • 影响因子：
    --
  • 作者：
    张伟平;刘玉婷;李瑞超
  • 通讯作者：
    李瑞超

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

张伟平的其他基金

复杂纵向数据分析中亚组发现的有效推断方法
  • 批准号：
    12171450
  • 批准年份：
    2021
  • 资助金额：
    50 万元
  • 项目类别：
    面上项目
混合多响应纵向数据的均值相关结构同时统计推断方法研究
  • 批准号：
    11671374
  • 批准年份：
    2016
  • 资助金额：
    48.0 万元
  • 项目类别：
    面上项目
纵向数据分析中的有效统计推断方法及其应用
  • 批准号：
    11271347
  • 批准年份：
    2012
  • 资助金额：
    50.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码