Abstract
cDNA微陣列技術是近十年來蓬勃發展的生物技術，可以同時檢測數千甚至上萬的基因表現。一個cDNA微陣列實驗過程相當繁複，實驗結果會產生大量的數據，如何設計一個好的實驗以降低實驗的變異(variation)以及如何解讀實驗結果龐大的數據，在很多的環節上都是需要用到統計方法來應用並且解決，有正確的分析方法，才能帶給實驗者有效的生物資訊。本論文主要工作是cDNA微陣列實驗結果的數據分析方面，特別著重在基因表現量的顯著性分析上(Significance Analysis of Microarrays，SAM)。 現有的關於cDNA微陣列實驗數據的統計模型，都假設隨機誤差的變異數為常數，可是觀察大部分微陣列實驗數據的M-A散佈圖，發現資料的散佈變異程度是會隨著A值的增加而呈一個遞減的情形，因此推測原本模型的假設是不合理的，隨機誤差的變異數應該和表現量A值存在一個函數關係。而本文以統計方法建構隨機誤差項中變異數的估計方法，並且討論如何將得到的結果用來修正原有的模型，找出進行顯著性分析的檢定統計量。 在本論文的最後以清華大學原子科學研究所分子生醫光電實驗室提供的冬蟲夏草實驗數據，實際估計資料的變異函數關係，同時也比較以往所使用和經過修正過後這兩種檢定方法，並且藉由三種不同的假設檢定條件，觀察其顯著性分析結果是否存在著差異。