Programme et résumés (pdf) - Société statistique du Canada

160 Mercredi 31 mai • Wednesday, May 31, 10:30–12:00[MS-206]A Method for Analysis of CGH Microarray DataUne méthode pour l’analyse de données de micropuces CGHWenqing HE & Ian MCLEOD, University of Western OntarioGenomic DNA copy number alterations are importantfeatures for the development of human dis-Les amplifications d’ADN de génomes sont des dispositifsimportants pour le développement dans le domaine deeases. CGH microarray is a powerful technique maladies humaines. Les micropuces CGH sont une techthatenables us to search genome-wide for possible nique puissante nous permettant de chercher les régions posregionswith DNA copy number alterations. The sibles avec des amplifications d’ADN sur tout le génome.DNA copy number may be viewed as a sequence L’amplification d’ADN peut être considérée comme une séalongthe whole genome, and the alteration regions quence sur le génome entier, et les régions de changementcorrespond to the sequence changes. We propose correspondent aux changements de la séquence. Nous protouse a Bayesian change-point approach to model posons d’utiliser une approche bayésiennede point de rupthissequence and alteration regions may then be ture pour modéliser cette séquence, et les régions de changeidentified.Simulation studies are conducted to ment peuvent alors être identifiées. Des études de simulationevaluate the performance of the proposed method sont entreprises pour évaluer la performance de la méthodeand a real CGH data set is analyzed.proposée et de vraies données CGH sont analysées.[MS-207]Improved Estimation for Differential Gene Expression by Shrinking Variance ComponentsEstimation améliorée de l’expression de gènes par le rétrécissement des composantes de varianceLihua AN & S. Ejaz AHMED, University of WindsorThe difficulty is to know what problems to combinetogether... why should not all our estimationLa difficulté est de savoir quels problèmes combiner.... pourquoitous nos problèmes d’estimation ne devraient-ils pasproblems be lumped together on one grand melee? être empilés ensemble en une grande mêlée ? George Bar-George Barnard (1962). nard (1962).A major concern with microarray experiments is Un problème majeur avec les expériences à micropuces estthat they have little replication. The variance es- qu’elles ont peu de répétitions. Les estimations de variancetimates obtained from an individual gene may obtenue pour un gène donné peuvent être très imprécises ; lesbe very imprecise, and therefore the inferences inférences obtenues peuvent donc ne pas être sûres à causereached may not be trustworthy due to the weak de la faiblesse des estimations des variances. Une idée invarianceestimates. An appealing idea for im- téressante pour améliorer la qualité des inférences des exprovinginferences from microarray experiments périences à micropuces serait de combiner l’information dewould be combining information across genes. In plusieurs gènes. Dans cette communication, nous construithiscommunication we construct several estima- sons plusieurs estimateurs basés sur des règles du pré-testtors based on pretest and shrinkage rules. The risks et de réduction. Les risques des estimateurs proposés sontof the proposed estimators are studied and com- étudiés et comparés avec l’estimateur sans biais basé sur lepared with the gene-based unbiased estimator un- gène, sous les fonctions de perte quadratique et entropique. Ilder quadratic loss and entropy loss functions. It is est intéressant de noter que la performance relative des deuxdemonstrated that the shrinkage estimators are su- estimateurs proposés est significativement différente sous lesperior to the baseline estimators. Interestingly, the deux fonctions de perte.relative performance of the proposed estimators issignificantly different under the two loss functions.SH = Somerville House SSC = Social Science Centre UC = University College