Statistische Inferenz und Modellierung für Hochdurchsatzexperimente

Beschreibung

In diesem Kurs lernen Sie verschiedene Statistikthemen kennen, darunter mehrere Testprobleme, Fehlerraten, Verfahren zur Fehlerratenkontrolle, Falscherkennungsraten, Q-Werte und explorative Datenanalyse. Anschließend stellen wir die statistische Modellierung und deren Anwendung auf Hochdurchsatzdaten vor. Insbesondere werden wir parametrische Verteilungen diskutieren, einschließlich Binomial-, Exponential- und Gammaverteilungen, und die Maximum-Likelihood-Schätzung beschreiben. Wir bieten mehrere Beispiele dafür, wie diese Konzepte in Sequenzierungs- und Microarray-Daten der nächsten Generation angewendet werden. Abschließend werden wir hierarchische Modelle und empirische Bayes sowie einige Beispiele für deren praktische Anwendung diskutieren. Wir stellen R-Programmierbeispiele auf eine Weise bereit, die dabei hilft, die Verbindung zwischen Konzepten und Implementierung herzustellen. Angesichts des unterschiedlichen Bildungshintergrunds unserer Schüler haben wir die Reihe in sieben Teile unterteilt. Sie können die gesamte Serie oder einzelne Kurse belegen, die Sie interessieren. Wenn Sie Statistiker sind, sollten Sie erwägen, die ersten zwei oder drei Kurse zu überspringen, und wenn Sie Biologe sind, sollten Sie darüber nachdenken, einige der Einführungsvorlesungen in die Biologie zu überspringen. Beachten Sie, dass der Schwierigkeitsgrad der Statistik- und Programmieraspekte des Kurses in den ersten drei Kursen relativ schnell zunimmt. Im dritten Kurs werden fortgeschrittene statistische Konzepte wie hierarchische Modelle vermittelt und im vierten Kurs werden fortgeschrittene Software-Engineering-Fähigkeiten wie Parallelrechnen und reproduzierbare Forschungskonzepte vermittelt. Diese Kurse bilden 2 XSeries und werden im Selbststudium durchgeführt: PH525.1x: Statistik und R für die Biowissenschaften PH525.2x: Einführung in lineare Modelle und Matrixalgebra PH525.3x: Statistische Inferenz und Modellierung für Hochdurchsatzexperimente PH525.4x : Hochdimensionale Datenanalyse PH525.5x: Einführung in Bioconductor: Annotation und Analyse von Genomen und Genomtests PH525.6x: Hochleistungsrechnen für reproduzierbare Genomik PH525.7x: Fallstudien in funktioneller Genomik Dieser Kurs wurde teilweise vom NIH unterstützt Zuschuss R25GM114818.