[发明专利]一种大样本高通量生物数据关联分析方法

摘要

本发明提供一种大样本高通量生物数据关联分析方法，包括：统计样本内部变量间比较结果的频数表、应用对数线性模型计算似然值、排序似然值得到跟表型差异最相关的变量的步骤。本发明公开的算法首先比较单个样本内基因间表达量，利用对数线性模型计算每个基因差异表达的显著性得分和差异程度，显著性得分越高的基因差异表达越显著。此计算方法不需要样本间的均一化处理，不需要假设基因表达的数值分布，因此很自然地避免了均一化算法和假设分布可能带来的分析偏差。而且，本算法通过样本内比较简单巧妙地将其它基因的表达信息纳入分析，但却并未陷入高维数据分析的“维度灾难”中。

主权项

1.一种大样本高通量生物数据关联分析方法，其特征在于，包括：通过比较每个样本内基因间的大小关系建立每个基因的频数表，将对数似然模型应用到每个频数表计算似然值，排序似然值得到跟表型差异最相关联的基因；所述通过比较每个样本内基因间的大小关系建立每个基因的频数表的步骤包括：对于基因 i，首先在每个样本内比较基因i和其它基因的大小关系，然后根据R、C、 S、G 4个变量计算频数，得到包含四个变量的频数表，其中，R表示大小关系，C表示肿瘤类型，S表示正常还是肿瘤样本，G表示同基因i比 较的基因；所述将对数似然模型应用到每个频数表计算似然值的步骤包括：应用对数线性模型到基因i的频数表计算模型(S+R)*C*G的似然值， 加号代表变量间的加和效应，而星号代表变量间的加和效应和交互效应。