基于极大似然准则的生物序列模体的贝叶斯假设检验

摘要：

针对生物信息学中序列模体的显著性检验问题,提出了一种基于极大似然准则的贝叶斯假设检验方法.将模体的显著性检验转化为多项分布的拟合优度检验问题,选取Dirichlet分布作为多项分布的先验分布并采用Newton-Raphson算法估计Dirchlet分布的超参数,使得数据的预测分布达到最大.应用贝叶斯定理得到贝叶斯因子进行模型选择,用于评价模体检验的统计显著性,这种方法克服了传统多项分布检验中构造检验统计量并计算其在零假设下确切分布的困难.选择JASPAR数据库中107个转录因子结合位点和100组随机模拟数据进行实验,采用皮尔逊积矩相关系数作为评价检验质量的一个标准,发现实验结果好于传统的模体检验的一些方法.

关键词：生物信息学、极大似然准则、先验分布、贝叶斯因子、显著性检验

所属期刊栏目：25

分类号：O212.7;Q811.4(概率论与数理统计)

资助基金：国家自然科学基金60705004

在线出版日期：2011-05-18（万方平台首次上网日期，不代表论文的发表时间）

页码：723-730