恕我直言，但是你没有提供论文标题。请提供正确的标题，我将尽力为您翻译。
摘要：高通量基因组学中，大规模设计的实验越来越常见，并且基于高度多元回归和方差分析概念的分析方法是关键工具。某种形式的缩减模型可以为涉及设计因素和协变量效应的许多参数上的隐含多重比较问题提供综合方法。本研究使用这些方法来研究心血管基因组学。主要实验背景涉及一个精心设计且丰富的基因表达研究，重点是基因环境相互作用，目标是确定与疾病状态和已知风险因素相关的基因，并产生作为这些风险因素代理的表达标志。耦合的探索性分析研究了基因表达标志的跨物种外推-这些小鼠模型标志如何转化为人类。后者涉及对人类观察数据的稀疏潜在因子分析的探索以及它与动物模型中得到的风险标志的关系。该研究还强调了一系列应用统计和基因组数据分析问题，包括模型规范、计算问题以及基于模型对DNA微阵列数据的实验性伪影进行修正。
作者：David M. Seo, Pascal J. Goldschmidt-Clermont, Mike West
论文ID：0709.0165
分类：Applications
分类简称：stat.AP
提交时间：2007-09-14