BADER: Bayesian analysis of differential expression in RNA sequencing data
由于典型应用中参数估计的不确定性和小样本量,从RNA测序数据中识别差异表达基因仍然是一项具有挑战性的任务。在这里,我们介绍了贝叶斯差异表达分析在RNA测序数据(BADER)。由于我们选择的数据和先验分布,充分后验推断BADER可以有效地进行。该方法适当考虑了基因方差的不确定性,比现有方法检测差异表达基因的能力更高。此外,我们表明,后验样本可以自然地整合到下游基因集富集分析,在检测富集集具有优异的性能。Bioconductor上有一个开源的R包(BADER),它为C++后端提供了一个用户友好的界面。
2014-11-07 stat.AP stat.ME
Bayesian Gamma-Negative Binomial Modeling of Single-Cell RNA Sequencing Data
背景:单细胞RNA测序(scRNA-seq)是一种功能强大的单细胞分析技术。scRNA-seq数据的适当分析可以表征分子异质性,并揭示潜在的细胞过程,以更好地了解发育和疾病机制。独特的分析挑战是对高度过度分散的scRNA-seq计数数据进行适当建模,其中普遍存在辍学(零计数),使零膨胀降维技术在scRNA-seq数据分析中流行。然而,采用零膨胀分布可能会额外强调零计数,从而在识别数据的潜在结构时导致潜在偏差。结果如下:在本文中,我们提出了scRNA-seq数据的完全生成分层伽马负二项(hGNB)模型,避免了明确建模零通货膨胀的需要。同时,hGNB可以自然地解释基因和细胞水平的协变量效应,以识别scRNA-seq数据的复杂潜在表征,而不需要通常采用的预处理步骤,如归一化。有效的贝叶斯模型推理是通过利用条件共轭通过新的数据增强技术。结论:模拟数据和几个真实scRNA-seq数据集的实验结果表明,hGNB是细胞簇发现和细胞谱系推断的有力工具。
2019-08-01 stat.AP
Detecting differentially methylated regions in bisulfite sequencing data using quasi-binomial mixed models with smooth covariate effect estimates
识别DNA甲基化的疾病相关变化可以帮助更好地了解疾病病因。亚硫酸氢盐测序技术允许在DNA的单个碱基处产生甲基化谱。我们之前开发了一种方法,用于估计平滑协变量效应并从亚硫酸氢盐测序数据中识别差异甲基化区域(DMR),该方法可处理实验误差和可变读取深度;该方法利用二项分布表征甲基化计数的变异性。然而,亚硫酸氢盐测序数据经常包括低计数整数,并且可以相对于二项分布表现出过度或不足的分散。我们提出了一个实质性的改进,我们以前的工作,提出了一个准似然为基础的区域测试方法,占乘性和添加剂的分散源。我们证明了由此产生的测试的理论属性,以及他们的边际和条件的解释。仿真结果表明,所提出的方法提供了正确的推断平滑协变量的影响,并捕捉主要的甲基化模式具有良好的权力。
2021-01-18 stat.AP stat.ME
BayCount: A Bayesian Decomposition Method for Inferring Tumor Heterogeneity using RNA-Seq Counts
肿瘤是异质性的-肿瘤样品通常由一组亚克隆组成,这些亚克隆具有不同的转录谱和潜在的不同程度的侵袭性和对药物的反应。因此,了解肿瘤异质性对于精确的癌症预后和治疗至关重要。在本文中,我们介绍BayCount,贝叶斯分解方法来推断肿瘤异质性与高度过度分散的RNA测序计数数据。使用负二项因子分析,BayCount考虑了对映射到每个基因的测序读段的原始计数的样本间和基因特异性随机效应。对于后验推理,我们开发了一个有效的复合泊松基于块吉布斯采样器。通过对癌症基因组图谱肺癌和肾癌RNA测序计数数据的广泛模拟研究和分析,我们表明BayCount能够准确估计亚克隆的数量,每个肿瘤样本中这些亚克隆的比例以及每个亚克隆的基因表达谱。我们的方法代表了使用RNA测序计数数据表征肿瘤异质性的第一次努力,同时消除了对计数归一化的需要,实现了统计稳健性,并获得了生物学和临床上有意义的见解。
2017-02-26 stat.AP
BNP-Seq: Bayesian Nonparametric Differential Expression Analysis of Sequencing Count Data
我们在贝叶斯非参数框架下对高通量测序计数数据进行差异表达分析,去除了现有算法中通常需要的复杂的特设预处理步骤。我们建议使用伽马(β)负二项过程,它考虑到不同的测序深度,使用样本特异性负二项概率(分散)参数,通过比较基因特异性负二项分散(概率)参数的后验分布来检测差异表达的基因。这些模型参数是通过借用基因和样本的统计强度来推断的。模拟和真实世界的RNA测序计数数据上的广泛实验表明,所提出的差异表达分析算法明显优于先前提出的接收器操作特性和精确度-召回曲线下的区域。
2017-05-02 q-bio.GN stat.AP stat.ME
A change-point detection method for detecting and locating the abrupt changes in distributions of damage-sensitive features of SHM data, with application to structural condition assessment
利用监测数据诊断结构性能变化是结构健康监测的重要目标。结构行为的变化通常表现为监测结构响应的特征变化,因此,开发有效的方法来自动检测这种变化是相当有意义的。现有的SHM中的变化检测方法主要用于标量或矢量数据,因此无法检测由复杂数据表示的特征的变化,例如,概率密度函数(PDF)检测突变发生在与从SHM数据中提取的损伤敏感特征相关的分布(由PDF表示)中通常对结构状态评估至关重要;然而,SHM社区仍然缺乏有效的诊断工具来检测这种变化。在PDF值序列的函数数据分析框架下,提出了一种变点检测方法,用于诊断结构状态评估中遇到的分布信息突变。PDF值数据建模或分析中的一个主要挑战是PDF是受到非线性约束的特殊函数数据。针对这一问题,将PDF嵌入到贝叶斯空间中,利用贝叶斯空间的线性结构构造相应的变点模型,并基于贝叶斯空间与泛函线性空间的同构映射,提出了一种基于假设检验的分布变点检测方法.仿真结果验证了该方法的有效性,并证明了其优越性。最后,一个应用程序,以实际的SHM数据说明其在结构状态评估的实际效用。
2022-06-12 stat.AP stat.ME
TreeClone: Reconstruction of Tumor Subclone Phylogeny Based on Mutation Pairs using Next Generation Sequencing Data
我们提出了TreeClone,一个潜在的特征分配模型来重建肿瘤亚克隆的系统发育进化,模仿肿瘤的演变。与目前大多数方法类似,我们考虑了来自下一代肿瘤DNA测序的数据。与大多数使用映射到单核苷酸变体(SNV)的短读段中的信息的方法不同,我们考虑使用可以由相同短读段映射的两个近端SNV的对进行亚克隆同源性重建。作为贝叶斯推断模型的一部分,我们构建了一个系统发育树先验。在现有技术中使用树结构大大加强了推理。只有可以用系统发育树解释的亚克隆才被分配不可忽略的概率。所提出的贝叶斯框架意味着后验分布的数量亚克隆,它们的基因型,细胞比例,和推断的亚克隆跨越的系统发育树。所提出的方法验证对不同的模拟和真实世界的数据集,使用单个和多个肿瘤样本。一个开放源码软件包可在http://www.compgenome.org/treeclone上获得。
2017-10-25 stat.AP
Robustly detecting differential expression in RNA sequencing data using observation weights
用于比较RNA测序数据的(复制的)条件之间的基因表达水平的流行方法依赖于对映射到感兴趣的特征的读段进行计数。在这种基于计数的方法中,现在存在许多灵活且先进的统计方法,并且提供针对协变量进行调整的能力(例如,批次效应)。通常,这些方法包括跨特征的某种(信息共享),以改善小样本中的推断。重要的是要在统计功效和防止离群值之间实现适当的权衡。在这里,我们研究了现有的基于计数的差异表达分析方法的鲁棒性,并提出了一种新的策略,可以在现有的框架内使用的观察权重的基础上。结果表明,离群值可以有一个全球性的差异分析的影响。我们用真实数据和反映真实数据集属性的模拟数据(例如,分散平均趋势),并开发一个可扩展的框架,全面测试当前和未来的方法。此外,我们还探讨了这些异常值的来源,在某些情况下,强调了实验中的其他生物或技术因素。更多详细信息可从项目网站下载:http://imlspenticton.uzh.ch/robinson_lab/edgeR_robust/
2014-03-14 q-bio.QM stat.AP
Bayesian identification of bacterial strains from sequencing data
在DNA测序的最新技术进步之后,快速测定从医院患者或环境来源获得的样品中存在的细菌物种的多样性已经成为可能。对于几种应用,重要的是根据从样品获得的短序列读数准确地鉴定靶生物体的存在并估计其相对丰度。当感兴趣的集合包括非常密切相关的生物体时,例如不同的病原菌菌株,这一任务特别具有挑战性,这些菌株在毒力、抗性和传播方面可能差异很大。使用先进的贝叶斯统计建模和计算技术,我们引入了一种新的细菌识别管道,该管道的性能优于目前领先的管道。我们的方法能够快速准确地基于序列识别细菌菌株,同时仅使用适度的计算资源。因此,它为广泛的应用提供了有用的工具,包括快速临床诊断,以区分引起医院感染的密切相关的菌株。该软件的实现可在https://github.com/PROBIC/BIB上获得
2016-02-17 q-bio.GN q-bio.QM stat.AP
Detecting Multiple Replicating Signals using Adaptive Filtering Procedures
可复制性是科学发现的一个基本特征:我们感兴趣的是那些在不同实验室、研究人群、不同时间等中可检测到的信号。与元分析不同,元分析解释了实验变异性,但不保证可复制性,测试部分连接(PC)null的目的是专门识别在多项研究中发现的信号。在许多当代应用中,例如,为了比较多个高通量遗传实验,需要同时测试大量的$M$ PC空值,这需要多重比较校正。但是,对$M$ PC $p$-值进行标准多次测试调整可能非常保守,尤其是当$M$较大且信号稀疏时。我们介绍AdaFilter,一个新的多重检验程序,通过自适应地过滤掉不太可能的候选PC空值来增加功率。我们证明了AdaFilter可以控制FWER和FDR,只要研究之间的数据是独立的,并具有更高的权力比其他现有的方法。我们用三个例子说明AdaFilter的应用:杜氏肌营养不良症的微阵列研究,肺癌肿瘤中T细胞的单细胞RNA测序和GWAS的代谢组学。
2021-11-18 stat.ME
Bayesian multi-domain learning for cancer subtype discovery from next-generation sequencing count data
Texas A&M University(德州农工大学);University of Texas at Austin(德克萨斯大学奥斯汀分校)
精准医学旨在通过利用最新的基因组规模高通量分析技术(包括下一代测序(NGS))进行个性化预后和治疗。然而,翻译NGS数据面临着一些挑战。首先,NGS计数数据往往过于分散,需要适当的建模。其次,与涉及的分子数量和系统复杂性相比,用于研究复杂疾病(如癌症)的可用样本数量往往有限,特别是考虑到疾病的异质性。关键问题是我们是否可以整合来自所有不同来源或领域的可用数据,以实现基于NGS计数数据的可重现疾病预后。在本文中,我们开发了一种贝叶斯多域学习(BMDL)模型,该模型基于分层负二项分解推导出过度分散计数数据的域相关潜在表示,即使特定癌症类型的样本数量很小,也可以进行准确的癌症亚型分型。来自癌症基因组图谱(TCGA)的模拟数据集和NGS数据集的实验结果表明,BMDL在有效的多领域学习中具有很大的潜力,而不会产生现有多任务学习和迁移学习方法中常见的“负迁移”效应。
2018-10-22 cs.LG q-bio.GN stat.AP
Sculpting priors
本文研究在杂乱背景中检测已知频谱特征但强度未知的目标,提出通过塑造贝叶斯先验以一致优于广泛使用的GLRT方法。
2024-08-08 eess.SP math.ST stat.TH
A flexible model for correlated count data, with application to multi-condition differential expression analyses of single-cell RNA sequencing data
针对单细胞RNA测序多条件差异表达分析,提出同时建模所有条件并共享差异信息的泊松多元自适应收缩方法,显著提升检测与估计性能,并已提供R包实现。
2024-05-26 stat.AP stat.ME
A Unified Statistical Framework for Single Cell and Bulk RNA Sequencing Data
技术的最新进展使得能够测量单个细胞的RNA水平。与传统的组织水平批量RNA-seq数据相比,单细胞测序可以提供有关不同细胞类型基因表达谱的宝贵见解,这对于理解许多复杂的人类疾病可能至关重要。然而,由于技术噪音很大,特别是“脱落”事件,为这些数据开发定量工具仍然具有挑战性。当一个基因的RNA在测序前未能被扩增时,就会发生“脱落”,在观察到的数据中产生“假”零。在本文中,我们提出了一个统一的RNA测序模型(URSM)的单细胞和批量RNA-seq数据,制定为一个层次模型。URSM借用了两种数据源的优势,并仔细模拟了单细胞数据中的缺失,从而更准确地估计了细胞类型特异性基因表达谱。此外,URSM自然地提供了对单细胞数据中需要插补以用于下游分析的脱落条目的推断,以及批量样品中不同细胞类型的混合比例。我们采用经验贝叶斯方法,其中参数估计使用期望最大化算法和近似推理得到的吉布斯抽样。仿真结果表明,URSM优于现有的方法,无论是在校正单细胞数据的辍学,以及在去卷积散装样品。我们还展示了胎儿大脑基因表达数据的应用,我们的模型成功地估算了辍学基因,并揭示了细胞类型特异性表达模式。
2017-10-19 stat.AP
Detecting and Correcting Sample-by-Sample Scale Distortion in RNA Sequencing Data
Texas A&M University-Central Texas(德克萨斯农工大学中央德州分校);University of Minnesota(明尼苏达大学)
针对RNA-seq数据中逐样本表达水平依赖的偏差,提出基于统计的非线性变换方法进行校正,改善基因间相关性估计和群体检验的敏感性与特异性。
2026-05-10 math.OC q-bio.GN stat.AP
Clustering MIC data through Bayesian mixture models: an application to detect M. Tuberculosis resistance mutations
本文提出用贝叶斯混合模型分析 MIC 分布并聚类不同耐药水平的结核分枝杆菌菌株,再通过回归识别耐药突变,方法已应用于新型 96 孔微孔板检测数据。
2023-07-24 stat.AP
Inferring the sources of HIV infection in Africa from deep sequence data with semi-parametric Bayesian Poisson flow models
病原体深度测序是传染病监测中越来越常用的技术。我们提出了一个半参数贝叶斯泊松模型,利用这些新出现的数据推断传染病传播流和感染源的人口水平。由于希尔伯特空间高斯过程近似,该框架在高维流空间中是计算可扩展的,允许采样偏差调整,以及以比以前可能的更精细的分辨率估计特定于性别和年龄的传输流。我们将该方法应用于乌干达Rakai的密集采样的基于人群的HIV深度序列数据,并发现大量证据表明青少年和年轻女性主要通过年龄差异的关系感染。
2022-01-05 stat.AP
Improved detection of changes in species richness in high-diversity microbial communities
高通量测序(HTS)继续扩大我们对微生物群落的了解,尽管测序深度不足以检测所有稀有类群。这些低丰度类群没有占现有的方法检测物种丰富度的变化。我们用一个新的分层模型来解决这个问题,该模型允许对异质性和生物多样性变化进行严格的测试,同时与现有方法相比提高了I型和II型错误率。
2016-04-09 stat.AP stat.ME
MIXALIME: MIXture models for ALlelic IMbalance Estimation in high-throughput sequencing data
本文提出统计框架MIXALIME,用于在高通量测序数据中检测等位基因不平衡,并考虑拷贝数变异、非整倍体和参考映射偏倚,通过多种评分模型平衡灵敏度与特异性。
2024-04-01 q-bio.GN q-bio.QM stat.AP
Differential Expression Analysis of Dynamical Sequencing Count Data with a Gamma Markov Chain
与传统的静态测序实验相比,下一代测序(NGS)在生命系统中的时间变化越来越受到关注,因为它可以更好地了解潜在的生物学机制。然而,大多数现有的统计工具,用于分析NGS数据缺乏利用嵌入在时间数据中的更丰富的信息的能力。最近已经开发了几种工具来分析这些数据,但它们通常会施加严格的模型假设,例如基因表达动态变化的平滑性。为了捕获更广泛的基因表达动态模式,我们开发了伽马马尔可夫负二项(GMNB)模型,该模型将伽马马尔可夫链集成到负二项分布模型中,允许NGS计数数据的灵活时间变化。使用贝叶斯因子,GMNB能够在不同表型或治疗条件下进行更强大的时间基因差异表达分析。此外,它自然地处理不同样品中测序深度的异质性,消除了对ad-hoc标准化的需要。有效的吉布斯抽样的GMNB模型参数的推断是通过利用新的数据增强技术。在模拟和真实世界的RNA-seq数据上进行的大量实验表明,GMNB在差异表达分析结果的受试者操作特征(ROC)和精确度-召回率(PR)曲线方面都优于现有方法。
2018-03-07 q-bio.GN stat.AP stat.ML
Nonparametric Bayesian multi-armed bandits for single cell experiment design
在预算限制下最大化细胞类型发现的问题是单细胞RNA测序(scRNA-seq)数据的收集和分析的根本挑战。在本文中,我们介绍了一种简单的,计算效率高,可扩展的贝叶斯非参数顺序方法,以优化预算分配时,设计一个大规模的实验scRNA-seq数据的收集的目的,但不限于,创建细胞图谱。我们的方法依赖于以下工具:i)概括关于细胞分化的生物学假设的分层Pitman-Yor先验,以及ii)平衡开发和探索以在一系列试验中优先考虑实验的Thompson采样多臂强盗策略。后验推理是通过使用一个序贯蒙特卡罗的方法,它使我们能够充分利用我们的物种抽样问题的顺序性。我们的经验表明,我们的方法优于最先进的方法,并在模拟和scRNA-seq数据上实现了接近Oracle的性能。HPY-TS代码可在https://github.com/fedfer/HPYsinglecell上获得。
2020-09-20 stat.AP
A Non-parametric Bayesian Model for Detecting Differential Item Functioning: An Application to Political Representation in the US
本文提出在IRT模型中引入狄利克雷过程先验以自动检测差异项目功能,并通过对美国选民与立法者唱名表决偏好数据的分析,发现部分选民的潜在偏好与立法者不可直接比较,忽视该问题会误导政治代表性质量的判断。
2022-11-14 stat.AP
A flexible Bayesian framework for detecting cross-sample spatial expression variability in heterogeneous tissues
Department of Biostatistics, Yale University(耶鲁大学生物统计学系)
本研究提出一种灵活的贝叶斯框架,结合非参数空间建模与跨样本信息共享,可检测异质性组织的跨样本空间可变基因,用于描绘组织域并发现功能基因簇。
2026-08-20 stat.AP
Quantifying alternative splicing from paired-end RNA-sequencing data
RNA测序已经彻底改变了生物医学研究,特别是我们研究基因选择性剪接的能力。这个问题对人类健康有重要影响,因为选择性剪接可能涉及细胞水平的功能障碍和多种疾病。然而,数据的高维性和实验偏差的存在对数据分析提出了严峻的挑战。我们发现,用于研究选择性剪接的标准数据摘要是非常有限的,因为它们忽略了大量有价值的信息。目前的数据分析方法是基于这样的总结,因此是次优的。此外,它们在考虑技术偏差方面的灵活性有限。我们提出了新的数据摘要和贝叶斯建模框架,克服了这些限制,并以非参数,高度灵活的方式确定偏见。这些总结自然适应测序技术的快速改进。我们提供有效的点估计和不确定性评估。该方法允许研究个体样品的选择性剪接模式,也可以作为下游分析的基础。我们发现了几倍的改进,估计均方误差比较流行的方法在模拟中,并在实验数据的重复之间的一致性大大提高。我们的研究结果表明,需要调整选择性剪接RNA-seq研究的常规总结和分析。我们在R包casper中提供了一个软件实现。
2015-12-10 q-bio.GN stat.AP
Bayesian Nonparametric Clustering with Feature Selection for Spatially Resolved Transcriptomics Data
针对空间分辨转录组学数据聚类面临的高维特性、聚类数预设等挑战,提出带特征选择的贝叶斯非参数空间聚类框架BNPSpace,可直接处理计数数据、自动划分同质空间域并识别判别基因,还能通过马尔可夫随机场先验整合空间信息以获得更具生物学意义的结果。
2023-12-13 stat.AP
Bayesian detection of abnormal segments in multiple time series
我们提出了一种新的贝叶斯方法来分析多个时间序列的目的是检测异常区域。这些是数据属性从某些正常或基线行为发生变化的区域。我们允许这样的变化只存在于时间序列的一个潜在的小子集中的可能性。我们开发了一个通用的模型,这个问题,并显示它是如何能够准确和有效地进行贝叶斯推断,递归的基础上,使独立的抽样从后验分布。这个问题的一个激励应用来自检测拷贝数变异(CNVs),使用来自多个个体的数据。跨个体汇集信息可以增加检测CNV的能力,但通常特定的CNV仅存在于一小部分个体中。我们评估模拟和真实CNV数据的贝叶斯方法,并给出证据表明,这种方法比最近提出的方法分析这些数据更准确。
2015-08-14 stat.AP stat.CO
Hierarchical Bayesian analysis of somatic mutation data in cancer
确定癌症发生的基因对癌症生物学至关重要,对预防、诊断和治疗都有重要意义。癌症测序研究旨在发现特定类型癌症中具有高频率体细胞突变的基因,因为这些基因是癌症发展的潜在驱动因素(驱动因素)。我们引入了一种分层贝叶斯方法,从体细胞突变数据中估计基因特异性突变率和驱动概率,并阐明测序基因中驱动基因的总体比例。我们的方法适用于不同的试验设计在实践中使用,包括一阶段,两阶段和候选基因设计。此外,相对于单个突变的罕见性,样本量通常较小。通过收缩方法借用整个基因组的力量来评估单个基因,我们加强了推理,并解决了多阶段设计引起的选择效应。我们的模拟研究表明,后验驱动概率提供了一个几乎无偏的错误发现率估计。我们将我们的方法应用于胰腺癌和乳腺癌数据,将我们的结果与以前的估计进行对比,并提供这两种类型癌症的驱动因素的估计比例。
2013-12-06 stat.AP
Identifying differentially expressed transcripts from RNA-seq data with biological variation
动机:高通量测序使得能够在单个转录物的水平上进行表达分析。转录组表达水平和差异表达估计的分析需要概率方法来适当地解释由共享外显子和有限读段采样以及转录表达的内在生物学方差引起的模糊性。结果如下:我们提出了BitSeq(贝叶斯推断of Transcripts from Sequencing data),这是一种用于估计来自RNA测序实验的转录本表达水平的贝叶斯方法。推断的相对表达由来自读取数据的生成模型的后验概率分布的马尔可夫链蒙特卡罗(MCMC)样本表示。我们提出了一种新的方法,差异表达分析重复传播的不确定性,从样品水平的模型,同时使用表达水平依赖的先验建模生物方差。我们使用模拟数据以及RNA测序数据集与技术和生物复制的两个研究条件下,我们的方法证明了我们的优势。可用性:转录组表达估计和差异表达分析BitSeq的实现已用C++编写。
2012-03-05 q-bio.GN stat.AP
Bayesian Flexible Modelling of Spatially Resolved Transcriptomic Data
提出一种灵活的贝叶斯方法,同时估计矩阵变量空间转录组数据的行和列协方差,以揭示基因共表达网络和细胞空间聚类模式。
2023-05-14 stat.AP
Bayesian Modeling of Spatial Molecular Profiling Data via Gaussian Process
组织内基因表达(mRNA和蛋白质)的位置、时间和丰度定义了细胞功能的分子机制。最近在空间分子谱分析方面的技术突破,包括基于成像的技术和基于测序的技术,使得能够对单细胞进行全面的分子表征,同时保留其空间和形态背景。这种新的生物信息学场景需要有效和强大的计算方法来识别具有空间模式的基因。我们提出了一种新的贝叶斯层次模型来分析空间转录组学数据,具有几个独特的特点。它通过部署零膨胀负二项模型对零膨胀和过度分散计数进行建模,大大提高了模型的稳定性和鲁棒性。此外,贝叶斯推断框架允许我们借用力量在参数估计在一个从头开始的方式。结果表明,该模型在仿真研究和两个实际数据应用中的准确性和鲁棒性都优于现有方法。相关的R/C++源代码可以在https://github.com/Minzhe/BOOST-GP上找到。
2020-12-06 stat.AP stat.ME
A generalized Bayesian stochastic block model for microbiome community detection
针对微生物组分类丰度数据特性导致的群落检测方法可靠性不足问题,提出结合改进型中心化对数比变换、可整合分类树信息的贝叶斯随机块模型,经模拟和真实尿液微生物组数据集验证性能更优,为微生物组研究提供新工具。
2023-08-28 stat.AP stat.CO stat.ME
A Semiparametric Bayesian Model for Detecting Synchrony Among Multiple Neurons
我们提出了一个可扩展的半参数贝叶斯模型来捕获多个神经元之间的依赖关系,通过检测它们随时间的共同发射(可能有一些滞后时间)模式。在对时间进行离散化以使得在每个间隔处最多存在一个尖峰之后,使用具有高斯过程先验的连续潜变量的逻辑函数来对每个神经元的1(尖峰)和0(静默)的所得序列进行建模。对于多个神经元,相应的边缘分布耦合到他们的联合概率分布使用参数copula模型。我们的方法的优点如下:非参数分量(即,高斯过程模型)提供了用于对潜在的激发速率建模的灵活框架;参数分量(即,Copula模型)允许我们对神经元之间的同期和滞后关系进行推断;使用Copula模型,我们通过将单变量边缘分布的建模与变量之间的依赖结构的建模分离来构建多变量概率模型;我们的方法易于使用计算高效的采样算法来实现,该算法可以容易地扩展到高维问题。使用模拟数据,我们表明,我们的方法可以正确地捕捉时间依赖性的放电率和识别同步神经元。我们也将我们的模型应用于从大鼠大脑前额叶皮层区域获得的尖峰训练数据。
2014-03-03 q-bio.NC stat.AP
Genome scans for detecting footprints of local adaptation using a Bayesian factor model
种群基因组学的核心部分是寻找与局部适应有关的基因组区域。群体基因组分析是基于对许多分子标记进行基因分型,并根据遗传分化的模式寻找离群位点。选择扫描的最常见方法之一是基于测量群体分化的统计数据,例如$F_{ST}$。然而,它们是与$F_{ST}$相关的方法的重要警告,因为它们需要将个体分组到群体中,并且它们还假设了群体结构的特定模型。在这里,我们实现了一个更灵活的基于个人的方法的基础上贝叶斯因子模型。因子模型用称为因子的潜变量来捕捉种群结构,因子可以描述个体聚集成种群或按距离隔离的模式。使用分层贝叶斯模型,我们都推断人口结构和确定离群位点的候选人,当地的适应。作为离群基因座,分层因子模型搜索与潜在因子测量的群体结构相关的基因座。在一个模型的人口分歧,我们表明,因子模型可以实现2倍或更多的减少错误发现率相比,软件BayeScan或相比,$F_{ST}$的方法。我们分析了人类基因组多样性小组的数据,以提供一个例子,说明因子模型如何用于检测大量SNP的局部适应。贝叶斯因子模型在开源PCAdapt软件中实现。
2014-07-29 q-bio.PE stat.AP
Detecting duplicates in a homicide registry using a Bayesian partitioning approach
在凶杀案登记册中找到重复是准确记录致命暴力的重要一步。当个体的唯一标识符不可用时,这项任务并不简单,当记录容易出错和缺失值时,这项任务尤其具有挑战性。传统的方法重复检测输出独立的决定,每对记录的共指状态,这往往会导致非传递的决定,必须在一些特设的方式进行协调。在数据文件中查找重复记录的任务可以替代地被设定为将数据文件划分为相关记录的组。我们提出了一种方法,目标文件的这个分区作为感兴趣的参数,从而确保传递的决定。我们的贝叶斯实现使我们能够将先验信息的可靠性的字段在数据文件中,这是特别有用的,当没有训练数据,它也提供了一个适当的考虑重复检测决策的不确定性。我们提出了一项研究,以查明多次向联合国萨尔瓦多真相委员会报告的杀人事件。
2015-02-03 stat.AP stat.ME
Nonparametric Bayes multiresolution testing for high-dimensional rare events
提出跨组差异突变率的非参数 Bayes 多分辨率检验,利用 Dirichlet Process–Poisson–Gamma 混合灵活建模并定位罕见变异空间聚类,兼具理论一致性、小样本优势及大规模测序应用价值。
2024-01-20 stat.AP stat.ME
Nonparametric Bayesian Two-Level Clustering for Subject-Level Single-Cell Expression Data
单细胞测序的出现为个性化治疗开辟了新的途径。在本文中,我们解决了一个两级聚类问题,同时受试者亚组发现(受试者级)和细胞类型检测(细胞级)的单细胞表达数据从多个主题。然而,目前的统计方法要么聚类细胞,而不考虑受试者的异质性或分组的主题,而不使用单细胞的信息。为了弥补细胞聚类和受试者分组之间的差距,我们开发了一个非参数贝叶斯模型,受试者和细胞聚类单细胞表达数据(SCSC)模型,同时实现受试者和细胞分组。SCSC无需预先指定受试者亚组编号或细胞类型编号。它自动诱导受试者亚组结构并匹配受试者之间的细胞类型。此外,它通过故意考虑数据的丢失、库大小和过度分散来直接对单细胞原始计数数据进行建模。提出了一种分块Gibbs采样器用于后验推理。模拟研究和对多受试者iPSC scRNA-seq数据集的应用验证了SCSC同时聚类受试者和细胞的能力。
2021-02-19 stat.AP stat.ME
Bayesian estimation of Differential Transcript Usage from RNA-seq data
下一代测序允许鉴定由差异表达的转录物组成的基因,该术语通常指总体表达水平的变化。一种特定类型的差异表达是差异转录物使用(DTU),并且靶向转录物的相对基因表达内的变化。本文的贡献是:(a)将cjBitSeq的使用扩展到DTU上下文中,这是一种先前引入的贝叶斯模型,最初设计用于识别整体表达水平的变化,以及(b)提出DRIMSeq的贝叶斯版本,这是一种用于推断DTU的频率论模型。cjBitSeq是基于读取的模型,并且通过MCMC采样对每个基因的每个转录本的潜在状态的空间执行完全贝叶斯推断。BayesDRIMSeq是一个基于计数的模型,它使用拉普拉斯近似来估计DTU模型相对于空模型的贝叶斯因子。使用最近的独立模拟研究以及真实的RNA测序数据集,将所提出的模型与现有模型进行基准测试。我们的研究结果表明,贝叶斯方法在精确度/召回率方面表现出与DRIMSeq相似的性能,但提供了更好的错误发现率校准。
2017-09-28 q-bio.GN stat.AP stat.CO
Pathway-based Bayesian factor models for 'omics data
Duke University(杜克大学);Duke University School of Medicine(杜克大学医学院)
本文提出BASIL模型,通过整合注释基因集提升转录组数据解释性,利用预训练方法高效估计协方差并量化不确定性,揭示发热全局转录组中可解释的宿主响应模块。
2026-03-23 stat.AP stat.ME
A Bayesian Joint Model for Compositional Mediation Effect Selection in Microbiome Data
本文提出面向成分微生物组数据的贝叶斯联合模型,以同时识别、估计并量化直接、相对间接和总体间接效应,并通过模拟和小鼠抗生素基准数据验证其选择性能。
2023-04-26 stat.AP stat.ME
A Bayesian Change Point Model for Detecting Land Cover Changes in MODIS Time Series
变点检测是遥感领域的一项核心任务,也是其他涉及时间序列数据的领域中的一个普遍问题。然而,在变点检测过程中,对缺失数据的处理和对多变量时间序列结构的适当利用仍然缺乏。多光谱,高时间分辨率时间序列数据从美国宇航局的中分辨率成像光谱仪(MODIS)仪器提供了一个有吸引力的和具有挑战性的背景下,有助于变点检测文献。为了更好地监测土地覆盖的变化,使用MODIS数据,我们提出了一种新的方法来确定的时间段,在该地区经历一些转换类型的土地覆盖变化。也就是说,我们提出了一种方法,参数估计和变化点检测的缺失数据的存在下,它利用了高维的MODIS数据。我们测试我们的方法在模拟研究中的质量,以及当代的变点方法,并将其应用在亚马逊河流域的新谷河流域的案例研究。我们的方法不仅保持了高精度,但可以提供洞察通过土地覆盖转换概率发生的变化类型。通过这种方式,我们可以更好地描述在我们的研究领域相比,传统的变点方法的森林干扰的数量和类型。
2015-03-31 stat.AP stat.ME
Inferring HIV Transmission Patterns from Viral Deep-Sequence Data via Latent Typed Point Processes
病毒深度测序数据在理解疾病传播网络流方面发挥着至关重要的作用,因为与标准Sanger测序相比,这些数据的分辨率更高,为传染病传播方向提供了证据。为了更充分地利用这些丰富的数据,并考虑到系统发育分析结果的不确定性,我们提出了一个空间泊松过程模型,以揭示艾滋病毒在人口水平上的传播模式。我们将具有病毒序列数据的两个个体的配对表示为类型化点,坐标表示协变量,如性别和年龄,点类型表示未观察到的传播状态(连锁和方向)。点与通过标准深度序列系统发育分析获得的每种传播状态的证据强度的观察得分相关。我们的方法是能够联合推断潜在的传输状态的所有配对和传输流表面上的源-接收者协变量空间。与现有方法相比,我们的框架不需要对数据点的传输状态进行预分类,而是通过完全的贝叶斯推断方案概率地学习它们。通过直接建模连续的空间过程与光滑的密度,我们的方法相比,以前的方法,依赖于离散化的协变量空间具有显着的计算优势。我们证明,我们的框架可以以高分辨率捕获艾滋病毒传播的年龄结构,并在乌干达南部病毒深度测序数据的案例研究中带来有价值的见解。
2023-02-22 stat.AP stat.ME
A Bayesian Zero-Inflated Dirichlet-Multinomial Regression Model for Multivariate Compositional Count Data
狄利克雷多项分布在现代统计方法学的发展和应用中起着基础性的作用。最近,DM分布及其变体已被广泛用于对组学研究中由高通量测序技术产生的多变量计数数据进行建模,这是由于其能够适应数据的组成结构以及过度分散。DM分布的一个主要限制是它无法处理通常在实践中发现的可能会导致推断偏差的多余零。为了填补这一空白,我们提出了一种新的贝叶斯零膨胀DM模型的多变量组成计数数据与多余的零。然后,我们将我们的方法扩展到回归设置,并嵌入稀疏诱导先验来执行高维协变量空间的变量选择。在整个过程中,建模决策是为了提高可伸缩性,而不牺牲可解释性或强加限制性假设。广泛的模拟和应用程序的人类肠道微生物组数据集的性能比较所提出的方法,现有的方法。我们提供了一个附带的R包,其中包含一个用户友好的小插曲,可以将我们的方法应用于其他数据集。
2023-02-23 stat.AP stat.CO stat.ME
Generalizing imaging biomarker repeatability studies using Bayesian inference: Applications in detecting heterogeneous treatment response in whole-body diffusion-weighted MRI of metastatic prostate cancer
提出一种基于 Hamiltonian Monte Carlo 的贝叶斯框架,以量化不同分布假设下影像异质性生物标志物的测量不确定性,并在 mCRPC 的 WBDWI 数据中验证其疗效评估价值。
2025-05-14 eess.IV stat.AP
Tail-Greedy Unbalanced Haar Wavelet Segmentation for Copy Number Alteration Data
Bandung Institute of Technology(万隆理工学院);University of Leeds(利兹大学)
本文提出改进的尾部贪心不平衡Haar方法,通过双阈值策略提升拷贝数变异检测准确性,实验表明其在高斯和重尾噪声下均优于现有方法,尤其在短片段检测中表现更优。
2026-04-24 stat.AP stat.CO
Detecting regime switches in the dependence structure of high dimensional financial data
对不同金融资产之间的极端依赖性的误解是最近金融危机的一个重要因素。本文利用马尔可夫切换正则藤连接函数研究了依赖结构中的非齐次性。这些解释了高维数据中的非对称依赖性和尾部依赖性。我们开发的快速极大似然以及贝叶斯推断的方法。我们的算法在模拟中得到验证,并应用于金融数据。我们发现,政权开关存在于各种数据集的依赖结构,并表明政权开关模型可以提供工具,在危机时期的不均匀性的准确描述。
2012-02-09 stat.AP stat.ME
Bayesian methods for event analysis of intracellular currents
神经回路功能的研究通常需要对阈下电生理记录中的事件进行统计解释。这个问题是重要的,因为记录可能具有中等水平的结构化噪声,并且事件可能具有不同的动力学。此外,结合光学和电生理方法的新实验设计将依赖于结合多模态数据的统计工具。我们提出了一个贝叶斯方法推断的时间,强度和动力学的突触后电流(PSC)从电压钳记录在每个事件的基础上。简单的生成模型,一个单一的电压钳记录灵活地扩展到包括网络级的结构,使实验设计探测突触连接。我们验证了模拟和真实数据的方法。我们还表明,扩展的基本PSC检测算法可以处理记录污染的光学诱发电流,我们模拟的情况下,钙成像观察,可用于一个子集的神经元,可以与电生理数据融合,以实现更高的时间分辨率。我们将这种方法应用于模拟和真实的地面实况数据,以证明其在检测小信噪比事件方面具有更高的灵敏度,并且与检测PSC的标准方法相比,其对噪声的鲁棒性有所提高。新的贝叶斯事件分析方法的电生理记录,应允许更好地估计的生理参数在更多变的条件下,并帮助支持新的实验设计电路映射。
2016-05-18 q-bio.NC q-bio.QM stat.AP
Bayesian Inference of Reproduction Number from Epidemiological and Genetic Data Using Particle MCMC
Nuffield Department of Medicine, University of Oxford(牛津大学纳菲尔德医学系);School of Mathematics, Statistics and Physics, Newcastle University(纽卡斯尔大学数学、统计与物理学院);Department of Statistics, University of Warwick(华威大学统计学系);School of Life Sciences, University of Warwick(华威大学生命科学学院);The Zeeman Institute for Systems Biology and Infectious Disease Epidemiology Research, University of Warwick(华威大学泽曼系统与传染病流行病学研究学院)
本文提出利用粒子MCMC方法结合流行病学和遗传数据推断时间变化的复数数,并在真实数据集上进行了验证。
2025-02-26 q-bio.GN q-bio.PE stat.AP