Contrastes de Hipótesis Múltiples Bajo Dependencia con Aplicación a los Microarrays: Una Aproximación Bayesiana
Muchos experimentos requieren contrastar simultáneamente un elevado número de hipótesis. Un ejemplo son los experimentos con microarrays de ADN en el campo de la genómica, donde es habitual analizar simultáneamente un gran número de genes con la finalidad de identificar cuáles de ellos se expresan d...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Fecha de publicación: | 2021 |
| País: | España |
| Institución: | Universidad Complutense de Madrid (UCM) |
| Repositorio: | Docta Complutense |
| Idioma: | español |
| OAI Identifier: | oai:docta.ucm.es:20.500.14352/11561 |
| Acceso en línea: | https://hdl.handle.net/20.500.14352/11561 |
| Access Level: | acceso abierto |
| Palabra clave: | 575.113(043.2) Genómica Genomics Teoría de la decisión Genética 1209.04 Teoría y Proceso de decisión 2409 Genética |
| Sumario: | Muchos experimentos requieren contrastar simultáneamente un elevado número de hipótesis. Un ejemplo son los experimentos con microarrays de ADN en el campo de la genómica, donde es habitual analizar simultáneamente un gran número de genes con la finalidad de identificar cuáles de ellos se expresan de manera diferencial bajo dos condiciones experimentales. Uno de los problemas que se presentan en este contexto, además de la necesidad de contrastar simultáneamente un elevado número de hipótesis, uno para cada gen, es cómo modelar la dependencia que suele existir en el nivel de expresión entre los genes. La literatura al respecto es extensa, sin embargo, los procedimientos propuestos, en gran parte desde un punto de vista frecuentista y bajo el supuesto de independencia, no resuelven, en general, todos los problemas planteados anteriormente. El objetivo principal de esta tesis es la identificación de genes con expresión diferencial bajo dos condiciones de tratamiento distintas e independientes y bajo dependencia en el nivel de expresión de los genes. Para ello, se propone un procedimiento bayesiano en el que la dependencia se modela mediante funciones cópulas... |
|---|