Multi-TGDR: a regularization method for multi-class classification in microarray experiments
背景随着微阵列技术的成熟和普及,选择和使用少量相关基因对样本进行准确分类是生物统计学和生物信息学领域的一个热门课题。然而,大多数开发的算法缺乏处理多个类的能力,这可以说是一个常见的应用程序。在这里,我们提出了一个扩展现有的正则化算法称为阈值梯度下降正则化(TGDR),专门解决多类分类的微阵列数据。当有几个微阵列实验解决相同/相似的目标时,一种选择是使用TGDR的荟萃分析版本(Meta-TGDR),其将分类任务视为具有相同结构/模型的分类器的组合,同时允许参数在研究中变化。然而,原始的Meta-TGDR扩展没有提供独立样本预测的解决方案。在这里,我们提出了一个明确的方法来估计Meta-TGDR选择的生物标志物的整体系数。该扩展允许更广泛的适用性,并允许使用独立的测试集比较Meta-TGDR和TGDR的预测性能。结果通过实际应用,我们证明了所提出的多TGDR框架工作良好,所选择的基因的数量小于所有个体化的二进制TGDR的总和。此外,批效应校正汇总数据的Meta-TGDR和TGDR提供了大致相同的结果。通过在每个应用程序中加入Bagging过程,保证了稳定性和良好的预测性能。结论与Meta-TGDR相比,TGDR计算时间更少,每次研究不需要所有类别的样本。在调整后的数据上,它与Meta-TGDR具有近似相同的预测性能。因此,强烈推荐。
2013-07-22 stat.ME
Functional modelling of microarray time series with covariate curves
在本文中,我们已经证明了一个完整的框架,分析微阵列时间序列数据。微阵列数据的独特特性很适合于功能数据分析方法,我们已经展示了这是如何自然地扩展到包括协变量,如年龄和性别。我们这里提出的模型是一个专业化的更一般的功能混合效应模型,据我们所知,我们是第一个展示如何获得最大似然估计,EM算法,置信区间和平滑矩阵与一个以上的固定效应函数。我们的动机是一个真实的数据集,描述健康人类基因表达水平随时间的变化,我们的目标是用一个更灵活的模型来改进现有的结果。通过采用粗糙度惩罚方法,在避免过拟合的同时实现了这一点,允许在数据允许的情况下偏离原始线性混合效应模型。需要更深入的生物学解释才能充分评估我们的成功,但我们在本文中强调的结果表明,我们可以很容易地为我们的发现赋予意义。
2011-12-08 stat.ME
Rasch-based high-dimensionality data reduction and class prediction with applications to microarray gene expression data
Institute of Medical Genetics, University Medical Centre Ljubljana(卢布尔雅那大学医学中心医学遗传学研究所)
类别预测是微阵列基因表达数据分析的一个重要应用。微阵列数据的高维性,其中基因(变量)的数量与样本(观察)的数量相比非常大,使得许多预测技术(例如,逻辑回归,判别分析)困难。解决这一问题的一个有效途径是采用降维统计技术。Rasch模型(RM)为处理高维微阵列数据提供了一个有吸引力的框架,在心理学相关的应用中得到了越来越多的应用。在本文中,我们研究了基于RM的建模在二值化的微阵列基因表达数据的降维中的潜力,并使用线性判别分析在类预测的背景下研究其预测准确性。两个不同的公开可用的微阵列数据集被用来说明该方法的一般框架。所提出的方法的性能进行了评估,使用主成分分析(PCA)作为基准方法的重新随机化计划。我们的研究结果表明,基于RM的降维是有效的PCA的降维。该方法具有通用性,可应用于其他高维数据问题。
2010-06-05 cs.AI stat.AP stat.ME
Quality assessment for short oligonucleotide microarray data
基因表达谱芯片数据的质量是一个新的研究课题。与其他领域一样,微阵列质量通过比较微阵列之间的适当数值总结来评估,以便可以可视化离群值和趋势,并且可以识别质量差的阵列或质量可变的阵列组。由于每个阵列都包含数万或数十万个测量值,因此挑战在于找到可用于进行准确质量调用的数字摘要。为此,引入了几个新的质量措施的基础上探针水平和概率水平的信息,所有获得的低级别的分析算法RMA/fitPLM的AffytechnologyGeneChips的副产品。质量景观空间定位芯片或杂交问题。数值芯片质量措施是从分布的归一化无标度标准误和相对对数表达式。通过残差比例因子评估芯片批次的质量。这些质量评估措施在各种数据集(加标实验,小型实验室实验,多中心研究)上得到证明。将它们与Affyoung的单个芯片质量报告进行比较。
2007-11-16 stat.AP stat.ME
Predicting phenotypes from microarrays using amplified, initially marginal, eigenvector regression
动机:基因表达测量和表型反应之间的关系的发现受到计算和统计障碍的阻碍。传统的统计方法并不理想,因为它们不能选择相关基因,预测效果不佳,忽略了基因之间未知的相互作用结构,或者计算上难以处理。因此,希望创造新的方法,其可以处理相对少量患者的许多表达测量,同时还揭示基因-基因关系并进行良好预测。结果如下:我们开发了一种新的技术,利用基因表达测量和患者生存结果之间的边缘关系来识别一小部分与预测生存高度相关的基因,基于这一小部分产生低维嵌入,并利用剩余基因的信息放大这种嵌入。我们通过使用基因表达测量来预测弥漫性大B细胞淋巴瘤患者的生存时间来激励我们的方法,说明我们的方法在精心构建的合成示例上的行为,并在许多其他基因表达数据集上进行测试。我们的技术在计算上是易处理的,通常优于其他方法,可扩展到其他表型,并确定不同的基因(相对于现有的方法),为未来可能的研究。关键词:回归;主成分;矩阵草图;预处理可用性:所有的代码和数据都可以在https://github.com/dajmcdon/aimer/上找到。
2019-07-12 stat.ME
Feature selection for longitudinal microarray data by adapting a pathway analysis method
简介:特征选择和基因集分析在生物信息学中越来越受到关注。虽然这两种方法已经开发了不同的目的,我们描述了一些基因集分析方法可以用来进行特征选择。在这里,我们适应的基因集分析方法,显著性分析的微阵列基因集减少(SAMGSR),特征选择,并提出了两个扩展-简单SAMGSR和两个级别SAMGSR纵向微阵列数据识别相关功能。结果和讨论:当应用于实际应用时,简单和两级SAMGSR都能很好地工作。使用模拟数据,我们进一步证明,这两个SAMGSR扩展有能力识别真正的相关基因。如果相关基因与不相关基因之间的相关性不高,则两个SAMGSR扩展给出的最终模型也是简约的。结论:通过将SAMGSR用于特征选择并将所提出的算法应用于纵向基因表达数据集,我们证明了基因集分析方法可以用于特征选择的目的。我们相信这项工作为更多的研究铺平了道路,以弥合特征选择和基因集分析与新算法的发展。
2015-11-26 q-bio.QM stat.AP stat.ME
PLS Generalized Linear Regression and Kernel Multilogit Algorithm (KMA) for Microarray Data Classification
本文将Bastien等人(2005)提出的偏最小二乘广义线性回归(PLSGLR)与逻辑斯谛回归和线性判别分析相结合,得到偏最小二乘广义线性回归-逻辑斯谛回归模型(PLSGLR-log)和偏最小二乘广义线性回归-线性判别分析模型(PLSGLRDA)。这两种分类方法,然后与经典的方法,如k-近邻(KNN),线性判别分析(LDA),偏最小二乘判别分析(PLSDA),岭偏最小二乘(RPLS),和支持向量机(SVM)进行比较。此外,我们实现了Dalmau等人的核多对数算法(KMA)。(2015)并将其性能与其他分类器进行了比较。结果表明,对于未经预处理和预处理的数据,KMA具有最低的分类错误率。
2019-06-19 stat.CO stat.ME
A Bayesian model for microarray datasets merging
来自不同研究的微阵列数据集的聚合仍然是一个困难的开放性问题。目前,最好的结果通常是通过所谓的荟萃分析方法获得的,该方法将来自单个数据集的结果进行汇总,而不是分析汇总的数据集。为了解决这样的聚合问题,有必要在聚合之前校正研究间的变异性。本文的目标是提出一种新的方法,微阵列数据集合并的基础上明确建模的研究间变异性和基因变异性。我们开发并演示了一种新的算法,用于微阵列数据集合并。基础模型假设正态分布的内在基因表达,由研究相关的非线性变换和研究相关的(正态分布的)观察噪声扭曲。该算法解决了参数估计(参数是基因表达均值和方差、观察噪声方差和非线性变换)和数据调整,并作为结果产生适合于聚集的调整的数据集。两个案例研究的方法进行了验证。第一个是关于E。大肠杆菌表达数据,人为扭曲给定的非线性变换和加性观测噪声。所提出的方法能够纠正失真,并产生调整后的数据集,可以从中恢复相关的生物效应,如标准差分分析所示。第二个案例研究涉及两个真实前列腺癌数据集的聚合。在使用所提出的算法进行调整后,对调整后的数据集进行的差异分析产生了大量的差异表达基因(对照和肿瘤数据之间)。所提出的方法已实施使用统计软件R 1,和Bioconductor包2。源代码(对合并两个数据集有效)、用于验证的数据集以及一些补充结果都可以在网站上获得
2015-10-27 q-bio.QM stat.ME
Compressive Regularized Discriminant Analysis of High-Dimensional Data with Applications to Microarray Studies
我们提出了一种线性判别分析的修改,称为压缩正则化判别分析(CRDA),用于分析高维数据集。CRDA是专门设计用于特征消除的,可以用作基因芯片研究中的基因选择方法。CRDA借鉴了多测量向量(MMV)模型中的$\ell_{q,1}$范数最小化算法的思想,并利用联合稀疏促进硬阈值进行特征消除。当我们考虑具有挑战性的场景时,也需要正则化样本协方差阵,其中特征(变量)的数量与训练数据集的样本量相当或超过该样本量。模拟研究和四个例子的真实生活中的微阵列数据集评估的性能CRDA分类。总的来说,所提出的方法给出了更少的误分类错误比它的竞争对手,而在同一时间实现准确的特征选择。
2018-04-11 stat.AP stat.ME stat.ML
Correcting for selection bias via cross-validation in the classification of microarray data
基于微阵列数据的诊断规则的使用越来越受到关注。这些规则是通过考虑组织样本中数千个基因的表达水平而形成的,这些基因取自已知分类的患者,相对于许多类别,代表疾病状态或治疗策略。由于这些规则的最终版本通常基于可用基因的一个小子集,因此在估计相关差错率时必须校正选择偏倚。我们考虑使用交叉验证的问题。特别是,我们提出了明确的公式,是有用的解释层的验证,必须进行,以避免不正确的交叉验证的估计。
2008-05-16 math.ST stat.ME stat.TH
Change Point Analysis of Multivariate Data: Using Multivariate Rank-based Distribution-free Nonparametric Testing via Measure Transportation with Applications in Tumor Microarrays and Dementia
在本文中,我提出了一个通用的算法,通过多变量分布自由的非参数检验的概念的基础上,由测量运输定义的秩的多个变点分析。多元秩和通常的一维秩都有一个重要的性质:它们都是分布自由的。这一发现允许在原假设下创建无分布的非参数检验。这种方法在各种领域的应用,在本文中,我实现了这种算法的微阵列数据集的个人膀胱肿瘤,ECoG快照癫痫患者,并在CASI分数的轨迹的背景下,教育水平和痴呆状态。每个变化点表示认知能力评分多年变化率的变化,表明存在临床前痴呆。在这里,我将估计一个多变量时序观测序列中的变点数量及其位置。本文将研究多个变点问题,在一个广泛的设置中,观察到的分布和数量的变化点是未指定的,而不是假设的时间序列观测遵循参数模型或有一个变点,因为在这一领域的许多作品假设。这里的目标是创建一个算法来检测变化点,同时尽可能少地对数据集进行假设。给出了这种新算法的理论性质以及估计变点的近似数目和位置的条件。该算法也已在GitHub上提供的R包recp中成功实现。本文的一个部分专门介绍此过程的执行以及recp包的使用。
2021-11-07 stat.ME
Generalizability analyses with a partially nested trial design: the Necrotizing Enterocolitis Surgery Trial
本文针对部分嵌套试验设计提出可推广性分析方法,给出识别条件与因果估计量,并以坏死性小肠结肠炎手术试验为背景,通过模拟研究验证所提估计量的性能。
2023-06-01 stat.ME
Tellipsoid: Exploiting inter-gene correlation for improved detection of differential gene expression
动机:微阵列数据的差异分析算法对现代生物医学研究至关重要。它们的准确性强烈依赖于基因间相关性的有效处理。相关性通常根据其对显著性临界值的影响来解释。在本文中,它表明,相关性,事实上,可以利用{跨测试共享信息},这反过来又可以增加统计功效。结果如下:显著改进的差异分析方法是可识别性(在大多数微阵列数据集中,大部分基因可以被先验地识别为非差异的事实)与结合相关性的优化标准相结合的结果。作为一个特殊的情况下,我们开发了一种方法,它建立在广泛使用的双样本t-统计量为基础的方法,并使用马氏距离作为最优性标准。Singh等人(2002)的前列腺癌数据结果表明,所提出的方法在统计功效方面优于所有已发表的方法。可用性:所提出的算法在MATLAB和R.该软件名为Telellipsoid,相关数据集可在http://www.egr.msu.edu/~desaikey上获得
2008-02-21 q-bio.GN stat.AP stat.ME
Backward Nested Descriptors Asymptotics with Inference on Stem Cell Differentiation
对于随机后向套子空间序列,比如流形或分层空值数据的降维问题,得到了渐近结果。事实上,我们制定我们的结果更普遍的后向嵌套家庭的描述符(BNFD)。在相当一般的条件下,渐近强相合成立。在额外的,仍然相当一般的假设,其中存在的a.s.局部二次可微图,BNFD的渐近联合正态性可以显示。如果图表因子适当,这将导致最后一个元素的个体渐近正态性,比如说主嵌套平均值或主嵌套测地线。这些结果与Jung等人(2010)的主嵌套球面(PNS)和主嵌套大子球面(PNGS)分析以及流形和Kendall形状空间的第一测地主成分(IMo1GPC)的内在平均有关。一个嵌套的Bootstrap双样本检验推导和仿真说明。在一项关于真实数据的研究中,PNGS被应用于在粗略的时间网格上跟踪早期人类间充质干细胞分化,以及定位一个变化点,为进一步研究的设计带来直接影响。
2016-09-03 math.ST stat.ME stat.TH