本项目致力于分位数回归若干极限理论的研究, 并将理论结果应用于生物芯片数据的分析. 高解析度的生物芯片数据量大, 噪声严重, 且可能带有缺失数据, 分位数回归的一些理论手段, 在分析丰度差异表达基因和序列的结构检测时, 能够更准确地找出潜在的生物标记. 鉴于实例数据的特点, 项目理论研究旨在普适性的条件下, 建立分位数自回归过程, 线性分位数模型的参数估计及估计量的渐近性质, 并且考虑带有删失数据的模型. 应用方面在微阵列芯片, 单核苷多态性芯片和比较基因杂交芯片数据分析上, 利用分位数回归进行数据标准化及序列结构的检测, 找出差异丰度表达基因及拷贝数有突变的生物标记, 并进而在基因和蛋白调控网络方面, 基因和单核苷多态性关联问题上有所突破, 找出疾病致病机理, 同时对药物疗效和生存分析进行探索. 项目研究内容是前沿的热点课题, 在理论上有迫切的需要, 又具有较高的应用价值.
英文主题词Quantile Regression;Bootstrap;Limit Distribution;Censored Data;