Rectified Fisher-Bingham Model for Compositional Data with Zeros
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出校正的Fisher-Bingham模型用于含零的组成数据，通过平方根变换和隐含模型诱导精确零，避免零填补，提供参数化方法检测组间组成差异，模拟和应用研究表明其在零值多时具有更高功效。
2026-04-27 stat.ME
Dependent Bayesian nonparametric modeling of compositional data using random Bernstein polynomials
我们讨论贝叶斯非参数程序的回归分析的组成的反应，即数据支持的多元单纯形。该程序是基于一个修改后的类的多元伯恩斯坦多项式和依赖的棒断裂过程的使用。一般模型和两个简化版本的一般模型进行了讨论。吸引力的理论性质，如连续性，关联结构，支持，和一致性的后验分布建立。此外，我们利用尖峰和板坯先验的使用，选择最适合底层真实数据生成分布的复杂性的模型版本。所提出的模型的性能示出在模拟研究和应用程序从哥伦比亚的固体废物数据。
2021-08-30 stat.ME
Compositional Outcomes and Environmental Mixtures: the Dirichlet Bayesian Weighted Quantile Sum Regression
本研究提出Dirichlet-BWQS回归，用于联合建模组合结局与环境混合物，可同时估计混合物权重及总体暴露指数与各结局比例的关联，并通过模拟和真实数据验证，提供R包实现。
2025-03-28 stat.AP stat.ME
Robust Regression with Compositional Covariates
许多生物学高通量数据集，例如基于靶向扩增子的数据和宏基因组测序数据，本质上是组成性的。常见的探索性数据分析任务是推断高维微生物组成与生境或宿主相关协变量之间的统计关联。我们提出了一个通用的鲁棒统计回归框架，RobRegCC（Robust Regression with Compositional Covariates），它通过均值漂移公式来捕获离群值，从而扩展了线性对数对比模型。RobRegCC包括稀疏促进凸和非凸的惩罚，用于简约模型估计，数据驱动的鲁棒初始化过程，和一种新的鲁棒交叉验证模型选择方案。我们展示了RobRegCC在广泛的模拟设置中同时执行稀疏对数对比回归和离群值检测的能力，并为底层估计量提供了理论上的非渐近保证。为了证明工作流程在真实数据上的无缝适用性，我们考虑了来自HIV患者的肠道微生物组数据集，并从可溶性CD 14测量结果中推断出稀疏的微生物物种与宿主免疫反应之间的稳健关联。所有实验都是完全可重复的，可在GitHub上获得，网址为https://github.com/amishra-stats/robregcc。
2020-07-26 stat.AP stat.ME
Comment on "Detecting Novel Associations In Large Data Sets" by Reshef Et Al, Science Dec 16, 2011
Reshef等人（2011）的提议是一种有趣的新方法，用于在探索性数据挖掘中发现测量对之间的非线性依赖关系。然而，它有一个潜在的严重缺陷。作者称赞MIC对某些替代品没有偏好，但正如作者所知，统计学中没有免费的午餐：在许多重要情况下，试图对所有替代品具有高功效的测试可能具有低功效。为了研究这一点，我们进行了模拟，以比较MIC与标准皮尔逊相关性和距离相关性（dcor）的功效。我们模拟了具有不同关系的变量对（其中大部分被Reshef et.等人），但是添加了不同级别的噪声。为了确定检验独立性假设的适当截止值，我们用适当的边缘模拟了独立数据。从图中可以看出，MIC的功率比dcor低，除了有点病态的高频正弦波。MIC有时也不如皮尔逊相关性那么有效，线性情况尤其令人担忧。
2014-01-29 stat.ME
A Bayesian model of microbiome data for simultaneous identification of covariate associations and prediction of phenotypic outcomes
关于人类微生物组研究的主要研究问题之一是设计调节微生物组组成的干预措施以促进健康和治愈疾病的可行性。这需要广泛了解微生物组的调节因素，如饮食摄入量，以及微生物组成与表型结果之间的关系，如体重指数（BMI）。以前的努力分别对这些数据进行建模，采用两步方法，可能会对结果产生有偏见的解释。在这里，我们提出了一个贝叶斯联合模型，同时识别与微生物组成数据相关的临床协变量，并使用组成数据中包含的信息预测表型反应。使用钉板先验，我们的方法可以处理高维组成以及临床数据。此外，我们通过微生物样品中通常存在的平衡和过度分散来适应数据的组成结构。我们应用我们的模型来了解饮食摄入量，微生物样本和BMI之间的关系。在这项分析中，我们发现了微生物类群和饮食因素之间的许多关联，这些因素可能导致微生物组通常更适合慢性疾病（如肥胖）的发展。此外，我们演示了模拟数据如何我们的方法优于两步的方法，也提出了一个敏感性分析。
2021-11-17 stat.AP stat.ME
A Bayesian Method for Detecting and Characterizing Allelic Heterogeneity and Boosting Signals in Genome-Wide Association Studies
全基因组关联研究分析的标准范式涉及在分型和估算的SNP上进行关联检验。这些方法对于检测目前未知的SNP处或等位基因异质性发生的区域中的关联信号将不是最佳的。我们提出了一种新的关联测试，互补的SNP为基础的方法，试图提取进一步的关联信号，明确建模和估计未知的SNP和等位基因异质性在一个位点。在每个位点，我们通过利用整个基因组的HapMap单倍型来估计病例对照样本的系谱。等位基因异质性是通过允许在谱系的分支上有一个以上的突变来建模的。我们使用贝叶斯方法使我们能够直接评估与已知SNP相关性不好的致病SNP的证据，以及每个位点的等位基因异质性。使用来自WTCCC项目的模拟数据和真实数据，我们表明，我们的方法（i）产生了显着的信号增强，并准确地识别了已知存在的等位基因异质性的区域，（ii）可以提出新的信号，这些信号通过测试类型或估算的SNP没有发现，（iii）可以提供更准确的估计相关区域的效应大小。
2010-10-22 q-bio.GN stat.ME
It's All Relative: New Regression Paradigm for Microbiome Compositional Data
微生物组数据本质上是复杂的，涉及高维、组成、零膨胀和分类层次。组成数据驻留在不允许标准欧几里得几何的单纯形中。大多数现有的成分回归方法依赖于不充分或甚至不适当的建模数据与过多的零和分类结构的转换。我们开发了一个新的相对位移回归框架，直接使用组合物作为预测因子。新的框架为成分回归提供了一个范式转变，并提供了一个优越的生物学解释。新的等稀疏和分类指导的正则化方法和一个有效的平滑近端梯度算法，以促进回归的特征聚集和降维。因此，该框架可以自动识别临床相关的微生物，即使它们在不同的分类学水平上很重要。一个统一的有限样本预测误差界的建议正则化估计。我们证明了所提出的方法在广泛的模拟研究的有效性。应用于早产儿研究揭示了肠道微生物组与神经发育之间关联的新见解。
2020-11-11 stat.AP stat.ME
Regularized regression on compositional trees with application to MRI analysis
合成树是指一组随机变量上的树结构，其中每个随机变量是一个节点，并且合成发生在树的每个非叶节点处。作为组成数据的概括，组成树处理随机变量之间更复杂的关系，出现在许多学科中，例如脑成像、基因组学和金融学。我们考虑与组合树相关的数据的稀疏回归问题，并提出了一种基于无变换树的正则化回归方法用于组件选择。正则化惩罚是基于树结构设计的，并鼓励稀疏树表示。我们证明了我们所提出的回归系数的估计是相容的和模型选择相容的。在仿真研究中，我们的方法显示出更高的精度比竞争的方法在不同的情况下。通过分析来自阿尔茨海默病研究的脑成像数据集，我们的方法确定了记忆衰退与大脑区域体积之间的有意义的关联，这与目前的理解是一致的。
2021-04-16 stat.AP stat.ME
Coverage correlation: detecting singular dependencies between random variables
London School of Economics and Political Science（伦敦政治经济学院）
提出覆盖相关系数，一种基于Monge-Kantorovich秩的非参数统计量，用于检测随机变量间的奇异依赖关系，具有分布自由、计算高效等优点。
2026-06-18 math.ST stat.ME stat.TH
Eigen-Epistasis for detecting Gene-Gene interactions
在全基因组关联研究（GWASs）中，上位性相互作用的检测和研究已成为研究的热点。大多数的文献集中在单核苷酸多态性（SNPs）之间的低阶相互作用显着mainingeffects.In本文中，我们提出了一个原始的方法来检测上位性在基因水平上，没有系统地过滤显着的基因。我们首先计算每个基因对的相互作用变量，通过找到其特征上位性分量，定义为与表型具有最高相关性的基因SNP的线性组合。显著性效应的选择是使用基于Group Lasso控制错误发现率的惩罚回归方法进行的，该方法使用合成数据对文献中最近的两个替代方案进行了测试，并在不同的设置中显示出良好的性能。我们通过检测三个全基因组关联研究的新基因-基因相互作用来证明我们的方法的力量。
2017-02-16 stat.AP stat.ME
TCA and TLRA: A comparison on contingency tables and compositional data
有两种流行的列联表和组成数据集的分析和可视化的一般方法：对应分析（CA）和对数比分析（LRA）。LRA包括两种独立发展的方法：关联模型和成分数据分析。将CA或LRA应用于列联表或成分数据集包括预处理中心步骤。在CA中，定心步骤是乘法的，而在LRA中，它是对数双加性的。预处理矩阵是双中心的，因此它是剩余矩阵;这意味着它会影响分析的最终结果。本文介绍了一种新的指标命名为内在衡量质量的迹象的残差（QSR）的预处理的选择，从而该方法。该准则是基于出租车奇异值分解（TSVD）的包TaxicabCA在R中的开发。我们提出了一个最小的R脚本，可以执行，以获得本文的数值结果和地图。三个相对较小的数据集，可免费在网上作为例子。
2020-09-11 stat.AP stat.CO stat.ME
Identifying Heterogeneity in Regression Compositional Data Integration with Many Categories
在成分数据中，检测整体的哪一部分描绘了异质性是重要的。我们的目的是提出一个程序来量化这个词在多元回归的背景下，而不放弃数据的自然限制。建立了一个单一的概率模型与层次结构的多个组成数据。基于偏度和峰度指标的客观标准提供了支持，以表征每个组件的性能，以及协助选择一个组件作为参考，避免模型可识别性问题。在贝叶斯方法下使用哈密顿蒙特卡罗（HMC）方法进行推断程序，以获得感兴趣的后验分布。计算来自信息论的库尔贝克-莱布勒散度（KLD）和Aitchison距离度量来计算组合物之间的相似性，以在模型验证过程中比较场景。该提案的动机是巴西Abrolhos珊瑚礁由于大坝破裂而具有高度不确定性的组成结构。结果支持的模式在研究过程中认识到每个组件的局部影响，以及量化的精度参数的理解。这些要点有助于确定受人为损害影响区域海洋生物群落的特征。
2023-02-19 stat.AP stat.ME
On Combining Data From Genome-Wide Association Studies to Discover Disease-Associated SNPs
结合几个病例对照全基因组关联（GWA）研究的数据，可以产生更高的效率检测疾病与单核苷酸多态性（SNP）的关联，而不是单独分析的组成部分研究。我们比较了几种程序，以结合GWA研究数据，在控制全基因组显著性水平的同时检测疾病相关SNP的能力，以及检测概率（$\mathit{DP}$）。$\mathit{DP}$是特定疾病相关SNP将在基于低$p$值选择的$T$最有希望的SNP中的概率。我们研究了固定效应和随机效应模型，其中各研究之间的关联性各不相同。在实际相关性的设置中，专注于单个自由度的荟萃分析方法具有比全局检验更高的功效和$\mathit{DP}$，例如汇总研究间的卡方检验统计量，$p$值的Fisher组合，以及形成每个研究中最佳SNP的组合列表。
2010-10-25 stat.ME
GeoCoDA: Recognizing and Validating Structural Processes in Geochemical Data. A Workflow on Compositional Data Analysis in Lithogeochemistry
本文提出 GeoCoDA 教程式工作流，结合对数比变换、成分建模与机器学习，从岩石地球化学数据中识别并验证成岩、变质、蚀变及矿化等结构性过程。
2023-12-09 physics.geo-ph stat.ME
A Bayesian Framework for Quantifying Association Between Functional and Structural Data in Neuroimaging
Texas A&M University（德克萨斯农工大学）；Department of Statistics, Texas A&M University（德克萨斯农工大学统计学系）；Department of Psychological & Brain Sciences, Texas A&M University（德克萨斯农工大学心理与脑科学系）
本文提出一种贝叶斯框架，用于量化神经影像中功能与结构数据的关联，通过构建功能脑网络并结合层次贝叶斯模型，实现对不同数据结构的适应性和后验不确定性量化。
2026-03-22 stat.ME
Distance-based analysis of variance: approximate inference and an application to genome-wide association studies
在一些现代应用中，从遗传学到基因组学和神经成像，需要比较不同人群的观察结果，例如健康和患病个体的群体。我们的兴趣在于检测群体效应。当观测值为向量、实值且服从多元正态分布时，常规应用多元方差分析（MANOVA）检验。然而，当处理更复杂的数据结构时，例如函数（例如曲线）或图形结构（例如树和网络）对象，这样的传统过程是不合适的，其中可能违反所需的分布假设。在本文中，我们讨论了一种基于距离的MANOVA类方法，DBF测试，用于检测更广泛的数据类型的组之间的差异。类似于其他基于距离的统计量，检验统计量仅依赖于适当选择的距离度量，该距离度量捕获所有可用样本之间的成对相异性。提出了一种近似零概率分布的DBF统计，从而允许推断得出，而不需要昂贵的置换程序。通过大量的模拟，我们提供的证据表明，所提出的方法适用于一系列的数据类型和距离，并概括了传统的MANOVA测试。我们还报告了所提出的方法的应用程序进行分析的多位点全基因组关联研究阿尔茨海默病，这已进行了使用几个遗传距离的措施。
2012-05-11 stat.AP stat.ME
Latent Network Estimation and Variable Selection for Compositional Data via Variational EM
本文提出SINC方法，通过分层贝叶斯模型和变分EM算法，对成分数据同时进行网络估计与变量选择，并在模拟和微生物组数据中验证了其优于现有方法的网络恢复准确性。
2021-04-09 stat.ME stat.ML
Multivariate Differential Association Analysis
提出一种基于核的多元差异关联分析方法，用于检验两组高维变量在两种条件下的依赖关系是否不同，并证明其在有限样本下计算高效且对线性和非线性关系检测具有高功效。
2023-07-28 stat.ME
A powerful transformation of quantitative responses for biobank-scale association studies
针对生物样本库规模遗传关联研究，提出利用误差密度的响应变量变换方法，实现局部最优功效检验，并通过模拟和UK Biobank数据分析验证其能严格控制第一类错误并显著提升统计功效。
2025-07-09 math.ST stat.ME stat.TH
High-dimensional Feature Screening for Nonlinear Associations With Survival Outcome Using Restricted Mean Survival Time
本文提出一种基于受限平均生存时间差异的无模型特征筛选方法，用于识别超高维生存数据中与响应变量具有非线性、非单调或局部关联的重要特征，并具备确定筛选性质及处理多重共线性的迭代程序。
2023-05-09 stat.ME
Bayesian graphical compositional regression for microbiome data
微生物组研究中的一项重要任务是测试样品组之间微生物组组成的差异的存在并对其进行表征。这一问题的重要挑战包括样本之间的大组内异质性和潜在的混淆变量的存在，当被忽视时，增加了错误发现的机会，降低了识别真正差异的能力。我们提出了一个概率框架，通过结合三个想法来克服这些问题：（i）将跨组比较问题分解为一系列局部测试的基于系统发育树的分解，（ii）链接局部测试以允许跨分类群共享信息的图形模型，以及（iii）合并协变量并整合出组内变异的贝叶斯测试策略，避免潜在的不稳定点估计。我们推导出一个有效的推理算法的基础上的数值积分和连接树消息传递，进行广泛的模拟研究，调查我们的方法的性能，并比较它的国家的最先进的方法在一些有代表性的设置。然后，我们将我们的方法应用于美国肠道数据，以分析存在协变量时饮食习惯与人类肠道微生物组组成的关联，并说明在微生物组跨组比较中纳入协变量的重要性。
2019-05-03 stat.AP stat.CO stat.ME
Federated Generalized Linear Mixed Models for Collaborative Genome-wide Association Studies
随着测序成本的降低，有很大的动机进行大规模的关联研究，以提高检测新变异的能力。不同机构之间的联合关联测试是通过共享由中央服务器聚合的中间测试统计来增加样本量的可行解决方案。然而，执行联邦关联测试仍然存在挑战。关联检验被许多因素所混淆，如群体分层，这在多祖先研究和不同地点的混合群体中尤其重要。此外，应通过灵活的模型来考虑疾病病因，以避免遗传效应显著性的偏倚。进行大规模关联研究的一个日益严峻的挑战是参与者的隐私以及污名化和边缘化的相关伦理问题。在这里，我们提出了dMEGA，一个灵活而有效的方法进行联邦广义线性混合模型为基础的关联测试多个网站之间，而潜在的基因型和表型数据没有明确共享。dMEGA首先利用参考投影来估计基于群体的协变量，而不在站点之间共享基因型数据集。接下来，dMEGA使用拉普拉斯近似的参数似然和分解参数估计到有效的局部梯度更新站点之间。我们使用模拟和真实数据集来证明dMEGA的准确性和效率。总的来说，dMEGA的配方是灵活的，可以在联邦环境中整合固定和随机效应。
2022-10-01 q-bio.GN stat.ME
Efficient and powerful familywise error control in genome-wide association studies using generalized linear models
在遗传关联研究中，检测表型-基因型关联是主要目标。我们假设数据之间的关系-表型，遗传标记和环境协变量-可以用广义线性模型（GLM）建模。纳入环境协变量使得有可能考虑到重要的混杂因素，如性别和人口结构。多变量得分统计量，在没有表型-基因型关联的完全原假设下，渐近地具有多元正态分布，其具有可以从数据估计的协方差阵，用于测试大量遗传标记与表型的关联。我们强调控制familywise错误率（FWER）的重要性，并使用多变量得分检验统计量的渐近分布，以找到一个局部的显着性水平的个人测试。使用真实的数据（从一项研究精神分裂症和双相情感障碍和一个最大摄氧量），并构建相关的结构，我们表明，我们的方法是一个强大的替代流行的Bonferroni和Sidak方法。对于没有环境协变量的GLM，我们表明，我们的方法是一个有效的替代排列方法的多重检验。此外，我们表明，如果环境协变量和遗传标记是不相关的，估计的协方差阵的得分检验统计量可以近似估计的相关矩阵的遗传标记。作为我们的方法的副产品，可以定义有效数量的独立测试，并且可以计算FWER调整的$p$值作为使用局部显著性水平的替代方案。
2016-12-22 stat.AP stat.ME
Detecting Epistatic Selection with Partially Observed Genotype Data Using Copula Graphical Models
由不同亲本衍生的重组自交系在远缘基因座间表现出广泛的分离畸变和长距离连锁不平衡。这些基因组特征与近交过程中的上位性选择一致。上位性相互作用影响生长和生育性状，甚至导致完全致死。检测上位性是具有挑战性的，因为多重检验方法功率不足，并且难以区分真正的长程LD与漂移。在这里，我们开发了一种方法，用于从多位点基因型数据中重建高维上位性选择的基因组签名的底层网络。该网络捕获的条件依赖的短距离和长距离LD结构，从而揭示了“异常”的标记-标记协会，是由于上位选择，而不是配子连锁。网络估计依赖于惩罚高斯copula图形模型，该模型考虑了大量的标记p和少量的个体n。我们的算法的多核实现使得在存在显著部分的缺失数据的情况下也可以在高维中估计图。我们证明了所提出的方法在模拟数据集以及拟南芥和玉米的基因分型数据上的效率。此外，我们在R包netgwas中实现了该方法，该包可在https://CRAN.R-project.org/package=netgwas免费获得。
2017-12-31 q-bio.GN q-bio.MN q-bio.PE
