公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

构建以综合能力素质为基础的护理士官教学体系被引量：4: 2006年; 护理士官是构成我军士官整体队伍的重要组成部分,它既是基层部队战斗力形成的有机力量,更是基层部队战斗力保障的有效力量。围绕“保打赢”的目标,以综合实用技能为基础,构建护理士官教学体系。; 高建全蒋鹤生米裕张威; 关键词：护理士官教学

GAGE和GSEA在基因集研究中的有效性比较被引量：2: 2013年; 目的:研究在基因芯片数据分析中自限性原假设和竞争性原假设两类方法的优劣性和准确型,选取各自具有代表性的GAGE(Generally Applicable Gene-set Enrichment)和GSEA(Gene Set Enrichment Analysis)两种基因集分析方法筛选富集基因集的效能,并探讨其筛选效果。方法:采用两种待比较的方法在实际基因表达谱数据中分析研究,比较筛选结果的准确性和科学性,探讨两种方法筛选富集基因集的效果。结果:两方法对已知的基因表达谱数据进行应用分析表明GAGE的检验效能和筛选出的基因集生物学相关性均优于GSEA。结论:GAGE作为一种自限性原假设的基因集分析方法,由于其充分利用了表达谱数据,并将表达数据分为实验集和通路集分别进行分析处理,同时考虑到基因集的上调和下调,其检验效能优于竞争性原假设的GSEA,能够得到更为准确和科学的结果。; 张威张扬曹文君李运明陈长生; 关键词：基因表达谱

基因表达谱中信号通路基因集分析方法进展: 2013年; 微阵列技术是生物技术变革的核心,允许研究者同时监测成千上万个基因的表达水平,已广泛应用于医学研究。如何挖掘海量基因表达信息中的有用信息并进行生物学专业解释,是基因表达谱数据分析领域所面临的一个重要挑战。生物信号通路研究已成为基因芯片中不同表型差异表达研究的主要方法,因其是以整个信号通路作为一个整体作为研究对象,因此得出的研究结果更加科学和准确。在本文中我们简要描述了近10年来信号通路基因集富集分析方法的发展情况,将其分为三个阶段,对每个阶段方法的基础和特点做了一些简单的总结和阐述。; 张威张扬曹文君李运明陈长生; 关键词：基因表达谱信号通路

基于指数分布的生存资料盲态下样本量再估计方法: 2018年; 目的针对生存分析样本量再估计的适应性设计临床试验,本文基于指数分布,提出盲态下生存资料的样本量再估计方法。方法采用蒙特卡洛模拟方法,预设4个期中分析时间点,以参数初始估计值M_(10)为均数暂定搜索范围为M_(10)_±0.5M_(10),在该搜索范围内产生指数分布随机数对期中分析时的截尾生存数据进行填补,对填补后的数据进行极大似然估计,得到试验参数的再估计值M_1,若M_1落在搜索范围外,则需更改搜索范围以包含M_1,并重新进行搜索直至M_1落在搜索范围内,此时的M_1即为试验参数的再估计值,在此参数的基础上重新估计样本量,并比较4个期中分析点的样本量再估计结果,确定1个最合适的期中分析时间点。结果经过期中分析调整后的样本量接近真实值,且期中分析时间点越向后移,样本量估计结果越接近真实值,变异越小。结论建议在入组结束并完成1/4最短随访时间时进行一次期中分析重新估计样本量,根据估计结果考虑是否增加样本量。; 朱典王陵李婵娟蒋志伟张威王治东吴克坚李晨夏结来; 关键词：样本量

地方直招护理士官任职培训工作的思考被引量：2: 2007年; 科学规划直招护理士官培训方案,突出军事特色的培训目标和面向作战部队的培训内容,体现不同军兵种需求的培训方向;严格直招护理士官征招专业条件与规程,确保直招学员质量和素质;科学组织直招护理士官培训,强化实践技能培养,提高实战技能;加大直招护理士官培训工作研究,促进军队护理人才队伍建设与发展。; 蒋鹤生王琳李保红李克米裕张威; 关键词：护理

基因集分析方法统计理论探讨: 2013年; 目的从统计理论角度探讨基因集分析方法,初步建立微阵列数据基因集统计分析理论框架。方法采用计算机模拟技术,比较不同原假设、理论分布生成方法在进行基因集分析时的统计学性质。结果自限性原假设方法ROC曲线下面积AUC为0.858。而竞争性原假设方法曲线下面积AUC为0.512。相同设定条件下,bootstrap方法的错误发现率(最高为0.015)低于permutation检验(最高为0.075);而permutation方法的检验效能(0.89)优于bootstrap法(0.67)。结论有效的基因集分析方法应在正确使用生物学注释基因的基础上,建立自限性原假设、采用基因表达水平标准化值构建基因集统计量并根据需求利用有效的随机化算法构建统计量的理论分布进行推断。; 曹文君侯国强李运明张威张扬陈长生; 关键词：微阵列数据 MONTE CARLO模拟

肿瘤微阵列数据统计分析概述: 2014年; 微阵列技术已广泛应用于生物学和医学研究领域,如肿瘤的诊断和分型、预测和治疗,理解肿瘤的发生机制、生物学通路和基因网络。统计学方法在这一科学挑战中的地位至关重要。我们综述了微阵列实验数据分析的统计学方法最新发展,主要描述了微阵列数据的标准化、差异表达基因的统计学检验及微阵列技术在肿瘤治疗中的应用,重点介绍了时间序列微阵列数据分析方法和基因调控网络在肿瘤研究中的最新发展。; 张杨张威曹文君李运明陈长生; 关键词：肿瘤微阵列数据差异表达基因时间序列调控网络

肿瘤表达谱基因芯片数据的混合效应模型分析: 2015年; 目的:研究混合效应模型(Mixed Effects Model)在肿瘤表达谱基因芯片数据分析中的检验效能,并探讨其分析效果。方法:采用混合效应模型分析肿瘤实例基因芯片数据,并以基因集富集分析方法(GSEA)作为参照比较分析结果的有效性和科学性,探讨其检验效果。结果:通过混合效应模型和基因集富集分析(GSEA)两种方法对肿瘤基因芯片数据的分析和比较,两种方法筛选出共同的差异表达通路外,混合效应模型额外地筛选出来GSEA未能检验到的8条差异表达通路,且得到文献支持;混和效应模型筛选出的前10个差异表达通路中有6个已有生物学证明而基因集富集分析方法(GSEA)筛选出的前10个差异表达通路中仅有4个已有生物学证明。结论:混合效应模型作为top-down方法中的典型代表,其优势在于通过构建潜变量达到降维目的,可有效地减少多个复杂的变异来源从而保证了结果的准确性和科学性,其检验效能优于基因集富集分析方法(GSEA),是一种行之有效的筛选肿瘤基因芯片数据的分析方法。; 张杨张威曹文君李运明李宁霞陈长生; 关键词：混合效应模型基因表达谱通路分析

全选清除导出

共1页<1>

张威