Access

You are not currently logged in.

Access your personal account or get JSTOR access through your library or other institution:

login

Log in to your personal account or through your institution.

If You Use a Screen Reader

This content is available through Read Online (Free) program, which relies on page scans. Since scans are not currently available to screen readers, please contact JSTOR User Support for access. We'll provide a PDF copy for your screen reader.

Bayesian Hierarchical Modeling for Time Course Microarray Experiments

Yueh-Yun Chi, Joseph G. Ibrahim, Anika Bissahoyo and David W. Threadgill
Biometrics
Vol. 63, No. 2 (Jun., 2007), pp. 496-504
Stable URL: http://www.jstor.org/stable/4541361
Page Count: 9
  • Read Online (Free)
  • Download ($14.00)
  • Subscribe ($19.50)
  • Cite this Item
Since scans are not currently available to screen readers, please contact JSTOR User Support for access. We'll provide a PDF copy for your screen reader.
Bayesian Hierarchical Modeling for Time Course Microarray Experiments
Preview not available

Abstract

Time course microarray experiments designed to characterize the dynamic regulation of gene expression in biological systems are becoming increasingly important. One critical issue that arises when examining time course microarray data is the identification of genes that show different temporal expression patterns among biological conditions. Here we propose a Bayesian hierarchical model to incorporate important experimental factors and to account for correlated gene expression measurements over time and over different genes. A new gene selection algorithm is also presented with the model to simultaneously identify genes that show changes in expression among biological conditions, in response to time and other experimental factors of interest. The algorithm performs well in terms of the false positive and false negative rates in simulation studies. The methodology is applied to a mouse model time course experiment to correlate temporal changes in azoxymethane-induced gene expression profiles with colorectal cancer susceptibility. /// L'analyse temporelle d'expériences de puces à ADN qui a pour objectif d'étudier la dynamique de régulation de l'expression de gènes dans des systèmes biologiques est une problématique de plus en plus importante. Un des problèmes cruciaux lors de ce type d'analyse est l'identification de gènes montrant des variations temporelles dans leur profil d'expression au sein de conditions biologiques différentes. Nous proposons dans ce travail un modèle Bayésien hiérarchique qui permet de traiter plusieurs facteurs expérimentaux importants tout en tenant compte de la corrélation entre les mesures d'expression au cours du temps et entre différents gènes. Ce modèle est accompagné d'un nouvel algorithme qui permet d'identifier simultanément les gènes dont le profil d'expression au sein de conditions biologiques particulières varie en fonction du temps ou de facteurs expérimentaux d'intérêt. Des études de simulation montrent que notre algorithme se comporte bien en terme de faux positifs et de faux négatifs. Le modèle est appliqué à l'étude de l'effet de l'azoxyméthane sur les variations temporelles des profils d'expression de gène de souris en relation avec la susceptibilité au cancer colorectal.

Page Thumbnails

  • Thumbnail: Page 
496
    496
  • Thumbnail: Page 
497
    497
  • Thumbnail: Page 
498
    498
  • Thumbnail: Page 
499
    499
  • Thumbnail: Page 
500
    500
  • Thumbnail: Page 
501
    501
  • Thumbnail: Page 
502
    502
  • Thumbnail: Page 
503
    503
  • Thumbnail: Page 
504
    504