癌症,也称为恶性肿瘤,是当今严重影响人类健康、威胁人类生存的主要疾病之一,由于癌症具有较强的转移、浸润以及无限增长等特性,使得传统治疗方法很难达到治愈肿瘤的可能。目前已证实,肿瘤的发生、发展是一个多基因参与、多步骤、多阶段的过程,随着人类对癌症的不断探究以及近现代科技水平的提高,特别是进入了后基因组时代,基因芯片(genechip)的问世为癌症的治疗带来了新的希望。本文对基因芯片的数据分析,做了两方面的工作。目前在用基因芯片数据筛选差异表达基因的多重比较中,广泛使用错误发现率(false discovery rate,FDR)方法,并用 ALSU(Adaptive linear step-up)控制程序进行计算。在FDR方法的应用中,非差异表达基因个数m0的估计对筛选差异表达基因至关重要。本文对针对现有m0估计方法(ABH法、S-λ法以及TST方法)的不足,提出了几种新的估计方法(小范围内迭代法,小范围内拟合法以及大范围内拟合法),应用计算机模拟基因芯片数据,使用均值、标准差、极差、四分位数间距、均方根误差以及变异系数作为评价指标,对传统方法和新方法的估计结果进行比较和评估,结果显示新方法较原方法更准确、更稳定。在用FDR方法筛选癌症相关的基因表达谱数据的研究中还发现了这样的问题:同一种癌症的不同基因表达谱数据中发现的差异表达基因仅有少部分是重叠的,即重复率低。是FDR方法不稳定还是数据误差导致该现象的出现?本文对此进行了深入研究。本文用GEO数据库中前列腺癌症数据(系列号GSE6919)作为研究对象,利用计算机产生不同误差的模拟数据,用FDR筛选差异表达基因,计算重复率,探讨误差对重复率的影响,得到了两者之间的定量关系。结果表明,当误差限小于30%时,误差与重复率呈线性关系。在检验水平为0.05时,当扰动误差限增加一个百分点时,差异基因总体重复率减少2.5%,PATHWAY总体重复率下降0.76%,PATHWAY基因重复率下降0.23%。如果相对误差被控制在10%以内,则差异基因总体重复率将不低于75%。因此,我们的研究结果说明,较小的误差不会引起重复率较大的变化,FDR算法是稳定的,是筛选差异表达基因的较好的统计方法。所以,重复率低的主要原因,是数据扰动的误差引起的。基因芯片数据的扰动误差来源于实验误差和生物学误差,随着科学技术水平的不断进步,仪器设备质量提高、实验手段、方法的完善,实验测量误差会得到更好的控制。而基因表达的生物学差异,将是影响基因表达水平的主要因素,如果差异基因总体重复率较低,则要更多考虑控制生物学误差。