Sequential Sampling for Optimal Bayesian Classification of Sequencing Count Data
高通量技术已成为生物医学应用中比较研究的首选实践。由于测序成本或获得感兴趣的生物体而导致的有限数量的样本点需要开发有效的样品收集以最大化下游统计分析的功效。本文提出了一种在最优贝叶斯分类框架下顺序选择训练样本的方法。针对RNA测序计数数据，所提出的方法利用了具有封闭形式更新的高效吉布斯抽样过程。我们的研究结果表明，增强的分类精度，相比随机抽样。
2018-07-12 eess.SP stat.ME
Contrastive latent variable modeling with application to case-control sequencing experiments
高通量RNA测序（RNA-seq）技术是了解细胞状态的有力工具。经常感兴趣的是量化和总结实验或生物条件之间发生的细胞状态变化。通常使用单变量检验来评估差异表达，以测量表达中的基因变化。然而，这些方法在很大程度上忽略了转录相关性的变化。此外，需要鉴定基因表达转变的低维结构，以鉴定在条件之间变化的基因集合。在这里，我们提出了为计数数据设计的对比潜变量模型，以创建测序数据中差异表达的更丰富的画像。这些模型在明确的基线变异模型的背景下，解开了不同条件下转录变异的来源。此外，我们开发了一个基于模型的假设检验框架，可以测试全球和基因子集特异性的表达变化。我们测试我们的模型，通过广泛的模拟和分析与计数为基础的基因表达数据的扰动和观察测序实验。我们发现，我们的方法可以有效地总结和量化复杂的转录变化的病例对照实验测序数据。
2021-02-12 q-bio.GN q-bio.QM stat.ME
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
High-Dimensional Covariate-Augmented Overdispersed Multi-Study Poisson Factor Model
针对跨多研究的高维计数响应数据缺乏适配因子模型的问题，本文提出带增强协变量的多研究泊松因子模型，配套高效变分估计与因子选择准则，理论上证明估计量性质，实验验证其有效性。
2024-08-20 stat.ME
Structure learning for zero-inflated counts, with an application to single-cell RNA sequencing data
在高通量基因组数据的背景下，特别是在单细胞RNA测序中，从观察到的数据估计图的结构的问题越来越受到关注。然而，这些都是具有挑战性的应用，因为数据由具有高方差和过多零的高维计数组成。在这里，我们提出了一个基于零膨胀负二项分布的从单细胞RNA-seq数据学习图结构的一般框架。我们用模拟证明了我们的方法能够在各种设置中检索图的结构，并且我们展示了该方法在真实数据上的实用性。
2023-02-14 q-bio.GN stat.AP stat.ME
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
Bayesian biclustering for microbial metagenomic sequencing data via multinomial matrix factorization
高通量测序技术为定量探索人类肠道微生物组及其与疾病的关系提供了前所未有的机会。微生物组数据具有组成性、稀疏性、噪声性和异质性等特点，这对统计建模提出了严峻的挑战。我们提出了一个可识别的贝叶斯多项式矩阵分解模型来推断微生物和宿主上的重叠簇。所提出的方法表示观察到的过度分散的零膨胀计数矩阵的狄利克雷多项式的混合物上的潜在集群结构的层次。在贝叶斯框架下，聚类的数量是自动确定的，并且自然地结合了来自微生物分类等级树的可用信息，这大大提高了我们发现的可解释性。我们证明了所提出的方法的实用性，通过比较模拟中的替代方法。应用于涉及患有炎性肠病的患者的人类肠道微生物组数据集揭示了有趣的簇，其包含根据生物学文献已知与炎性肠病及其亚型相关的细菌家族拟杆菌科、双歧杆菌科、肠杆菌科、梭杆菌科、毛螺菌科、瘤胃球菌科、巴斯德菌科和卟啉单胞菌科。我们的研究结果可以帮助产生潜在的假设，用于未来对人类肠道微生物组异质性的研究。
2020-10-08 stat.ME
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
Poisson-Tweedie mixed-effects model: a flexible approach for the analysis of longitudinal RNA-seq data
我们提出了一种新的建模方法，纵向计数数据的动机是越来越多的可用性纵向RNA测序实验。RNA-seq计数的分布通常表现出过度分散、零膨胀和重尾;此外，在纵向设计中，来自同一受试者的重复测量通常（正）相关。我们提出了一个广义线性混合模型的基础上的Poisson-Tweedie分布，可以灵活地处理上述功能的纵向过度分散计数。我们开发了一种计算方法来准确地评估所提出的模型的可能性，并进行极大似然估计。我们的方法在R包ptmixed中实现，可以从CRAN免费下载。我们评估了ptmixed在模拟数据上的性能，并将其应用于健康和营养不良小鼠的纵向RNA测序测量数据集。Poisson-Tweedie混合效应模型的适用性不限于纵向RNA-seq数据，但它扩展到任何情况下，其中离散过度分散的响应变量的非独立测量是可用的。
2020-08-26 stat.AP stat.CO stat.ME
Inference after latent variable estimation for single-cell RNA sequencing data
在单细胞RNA测序数据的分析中，研究人员通常通过估计代表单个细胞状态的某些方面的潜在变量（如细胞类型或伪时间）来表征细胞之间的变化。然后，他们测试每个基因与估计的潜在变量的关联。如果这两个步骤使用相同的数据，则在第二步中计算p值和置信区间的标准方法将无法实现统计保证，例如1类错误控制。此外，可以应用于解决其他环境中类似问题的方法（例如样本分割）在此背景下不适用。在本文中，我们介绍了计数分裂，一个灵活的框架，使我们能够进行有效的推理，在这种情况下，几乎任何潜在的变量估计技术和推理方法，根据泊松假设。我们在模拟研究中展示了1型错误控制和计数分裂的能力，并将计数分裂应用于多能干细胞分化为心肌细胞的数据集。
2022-10-18 stat.AP stat.ME
Scan Statistics for Nonhomogeneous Poisson Processes with Extreme-Value Calibration and Application to CNV Detection
Mississippi State University（密西西比州立大学）
针对非齐次泊松过程，提出基于极值分布校准的扫描统计量方法，用于检测拷贝数变异，并通过模拟和实际测序数据验证其有效性。
2026-06-15 stat.CO stat.ME
Poisson PCA: Poisson Measurement Error corrected PCA, with Application to Microbiome Data
本文研究了受泊松噪声影响的数据的主成分分析的计算问题。我们假设样本取自独立的泊松分布。我们想要估计潜在泊松均值的固定变换的主成分。我们的激励性例子是微生物组数据，尽管这些方法适用于许多其他情况。我们开发了一个半参数的方法来纠正偏差的方差估计，无论是未变换和变换（特别注意对数变换）泊松均值。此外，我们还结合了用于校正数据中不同曝光或测序深度的方法。除了确定的主成分，我们还解决了非平凡的问题，在这个半参数框架中计算的主要分数。大多数以前的方法倾向于采用更参数化的路线。例如泊松对数正态（PLN）模型方法。我们比较我们的方法与PLN的方法，发现我们的方法是更好地识别潜在的对数转换泊松均值的主要主成分，并作为一个进一步的主要优势，需要更少的时间来计算。比较真实数据的方法，我们看到，我们的方法似乎也比参数方法更强大的离群值。
2019-04-26 stat.ME
Adaptive Lasso and group-Lasso for functional Poisson regression
高维Poisson回归已成为分析海量数据集的标准框架。在这项工作中，我们估计强度函数的泊松回归模型，通过使用字典的方法，它概括了经典的基础方法，结合一个Lasso或一组Lasso程序。选择取决于需要校准的惩罚权重。由于异方差性，在高斯框架下开发的标准方法不能直接应用于泊松模型。在这里，我们提供了数据驱动的Lasso和组Lasso来自适应泊松情况下的集中不等式的权重。我们表明，相关的Lasso和组Lasso程序理论上是最优的Oracle方法。模拟用于评估我们的程序的经验性能，并提供了新一代测序数据分析的原始应用程序。
2014-12-26 math.ST stat.ME stat.TH
A Generalized Genetic Random Field Method for the Genetic Association Analysis of Sequencing Data
University of Arkansas for Medical Sciences（阿肯色大学医学科学中心）；University of Michigan（密歇根大学）；Michigan State University（密歇根州立大学）；Case Western Reserve University（凯斯西储大学）
本文提出广义遗传随机场（GGRF）方法，基于广义估计方程框架分析测序数据遗传关联，适用于多种表型且无需小样本校正，模拟和达拉斯心脏研究数据表明其检验效能优于或相当于 SKAT，并发现 ANGPTL3、ANGPTL4 与血清甘油三酯相关。
2025-08-18 cs.AI cs.LG stat.ME
Segmented correspondence curve regression model for quantifying reproducibility of high-throughput experiments
高通量生物实验的可靠性在很大程度上依赖于其实验和数据分析过程中操作因子的设置。了解操作因素如何影响实验结果的再现性对于构建强大的工作流程和获得可靠的结果至关重要。这方面的一个挑战是，重要程度不同的候选人对业务因素的反应可能不同。为了模拟这种异质性，我们开发了一种新的分段回归模型，基于不同重复样本的候选人之间的秩一致性，以表征不同显著性水平的候选人的操作因素的不同影响。一个网格搜索方法，以确定响应于操作因素的变化点，估计协变量的影响占的变化。提出了超似然比型检验来检验变点的存在性。仿真研究表明，我们的方法产生一个校准良好的第一类错误，是强大的检测再现性的差异，并实现了更好的模型拟合比现有的方法。ChIP-seq数据集上的应用揭示了关于测序深度如何影响实验结果再现性的有趣见解，证明了我们的方法在设计具有成本效益和可靠的高通量工作流程中的有用性。
2018-07-03 stat.ME
A penalized likelihood approach for robust estimation of isoform expression
超高通量转录组测序（RNA-Seq）使得能够在个体亚型水平上准确估计基因表达。然而，在测序和作图过程中引入的系统性偏差以及转录本注释数据库的不完整性可能导致异构体丰度的估计不可靠，并且在某些情况下高度不准确。本文介绍了一种惩罚似然方法来检测和纠正这种偏见，在一个强大的方式。我们的模型扩展了以前提出的通过引入偏差参数读取。一个L1惩罚用于选择非零偏置参数。我们介绍了一个有效的算法模型拟合和分析所提出的模型的统计特性。我们在模拟和真实数据集上的实验研究表明，该模型有潜力提高异构体特异性基因表达估计和识别不完全注释的基因模型。
2013-10-01 stat.ME
Statistical Modeling of RNA-Seq Data
最近，超高通量RNA测序（RNA-Seq）已被开发为用于分析基因表达的方法。通过获得转录序列的数千万甚至数亿个读数，RNA-Seq实验可以提供对任何感兴趣样品中基因（转录物）群体的全面调查。本文介绍了一个统计模型估计异构体丰度从RNA-Seq数据，是灵活的，足以容纳单端和双端RNA-Seq数据和采样偏差沿长度的转录本。在导出模型的最小充分统计量的基础上，给出了模型的极大似然估计的一个计算上可行的实现。此外，显示使用配对末端RNA-Seq在固定测序深度下提供比单末端测序更准确的同种型丰度估计。仿真研究也给出。
2011-06-16 q-bio.GN stat.ME
Differential expression analysis for multiple conditions
随着高通量测序已成为普遍做法，测序大量遗传数据的成本已大幅降低，从而导致更大的数据集用于分析。一个重要的任务是确定导致特定基因异常高或低表达的生物条件。DESeq等软件包实现了一种简单的方法，用于在两种生物条件下测试差分信号。对于两个以上的条件，通常使用成对测试。在这里，DESeq方法被扩展，以便可以同时评估三种或更多种生物条件。由于计算时间随条件的数量呈指数级增长，因此蒙特卡罗方法提供了一种快速方法来近似新测试的$p$值。在模拟数据和{ \em C. jejuni），这种细菌是美国大多数食物中毒的罪魁祸首。
2014-10-13 stat.ME
A Review of Multivariate Distributions for Count Data Derived from the Poisson Distribution
泊松分布已被广泛研究并用于建模单变量计数值数据。然而，允许依赖性的泊松分布的多变量推广远不受欢迎。然而，现实世界中的高维计数值数据，例如，在单词计数，基因组学和犯罪统计中发现，表现出丰富的依赖性，并激发了对多元分布的需求，可以适当地建模这些数据。我们回顾了从单变量Poisson导出的多变量分布，将这些模型分为三类：1）边缘分布是Poisson，2）联合分布是独立多变量泊松分布的混合，3）节点条件分布是从Poisson导出的。我们讨论了这些类的多个实例的发展，并比较模型的可解释性和理论。然后，我们在三个真实世界的数据集上实证比较了每个类别的多个模型，这些数据集具有来自不同领域的不同数据特征，即交通事故数据，生物下一代测序数据和文本数据。这些经验性的实验发展的直觉的比较优势和劣势的每一类的多元分布，是来自泊松分布。最后，我们提出了新的研究方向，在随后的讨论部分进行了探讨。
2016-12-27 stat.ME stat.ML
Gene regulatory network in single cells based on the Poisson log-normal model
基因调控网络推断对于理解在各种遗传和环境条件下复杂的分子相互作用至关重要。单细胞RNA测序（scRNA-seq）技术的快速发展使得基因调控网络的推断在单细胞分辨率上前所未有。然而，用于连续数据的传统图形模型，例如高斯图形模型，不适合scRNA-seq计数数据的网络推断。在这里，我们使用多变量泊松对数正态（PLN）分布对scRNA-seq数据进行建模，并将潜在正态分布的精度矩阵表示为调控网络。我们建议首先使用矩估计器估计潜在的协方差阵，然后通过最小化lasso-penalized D-跟踪损失函数来估计精度矩阵。我们建立了协方差阵估计的收敛速度，并进一步建立了精度矩阵的PLNet估计的收敛速度和符号一致性。使用scRNA-seq数据的模拟和基因调控网络分析评估PLNet的性能，并与现有方法进行比较。
2021-11-07 stat.ME
Network Analysis of Count Data from Mixed Populations
在基于单细胞RNA测序数据的基因调控网络分析等应用中，样本通常来自不同群体的混合物，每个群体都有自己独特的网络。现有的图形模型通常假设所有样本都来自相同的人群，并共享相同的网络。首先必须对样本进行聚类，并使用可用的方法分别推断每个聚类的网络。然而，这两步过程忽略了聚类步骤中的不确定性，因此可能导致不准确的网络估计。出于这些应用程序，我们认为混合泊松对数正态模型的网络推理的计数数据从混合人口。混合模型的潜在精度矩阵对应于不同总体的网络，可以通过最大化lasso-penalized对数似然联合估计。在较弱的条件下，证明了混合Poisson对数正态模型是可辨识的，且具有正定的费舍尔信息矩阵.最大拉索惩罚对数似然估计的一致性也建立。为了避免难以优化的对数似然，我们开发了一种算法称为VMPLN的基础上的变分推断方法。全面的模拟和真实的单细胞RNA测序数据分析证明了VMPLN的优越性能。
2022-12-07 stat.ME
Finite Mixtures of Multivariate Poisson-Log Normal Factor Analyzers for Clustering Count Data
本文提出基于协方差约束的多元泊松-对数正态因子分析器混合模型，用于计数数据聚类，通过变分推断估计参数，在RNA测序数据上表现良好。
2023-11-13 stat.CO stat.ME stat.ML
Phylogenetically informed Bayesian truncated copula graphical models for microbial association networks
微生物在宿主健康中起着关键作用。高通量测序技术的进步为更深入地了解微生物相互作用提供了机会。然而，由于16S核糖体RNA测序的限制，微生物组数据是零膨胀的，并且不能在受试者之间进行微生物丰度的定量比较。通过利用最近的微生物组分析技术，量化16S核糖体RNA微生物计数，我们提出了一种新的贝叶斯图形模型，通过系统发育树之前，并明确说明零通货膨胀使用截断高斯copula微生物的进化历史。我们的模拟研究表明，进化信息大大提高了网络估计的准确性。我们将所提出的模型应用于106名健康受试者的定量肠道微生物组数据，并确定了现有微生物网络估计模型无法确定的三种不同的微生物群落。我们进一步发现，这些社区是基于微生物利用氧气作为能源的能力来区分的。
2021-05-11 stat.ME
Unit-free and robust detection of differential expression from RNA-Seq data
超高通量转录组测序（RNA-Seq）由于其低成本、高准确度和宽动态检测范围而被广泛用于定量基因表达水平。然而，RNA-Seq的性质使得几乎不可能提供转录本丰度的绝对测量。过去已经提出了用于转录物定量的几种单位或数据汇总方法，以解释不同基因和不同样品之间转录物长度和测序深度的差异。尽管如此，仍然需要进一步的样本间归一化来可靠地检测差异表达的基因。本文提出了一个统一的统计模型，用于差异基因表达和样本间归一化的联合检测。我们的方法是独立的基因表达水平的总结单位。我们还介绍了一个有效的算法模型拟合。由于在我们的模型中使用的L0惩罚似然，它能够可靠地标准化数据，并检测差异基因表达在某些情况下，当超过$50\%$的基因以不对称的方式差异表达。我们比较我们的方法与现有的方法，使用模拟和真实的数据集。
2016-08-26 stat.ME
Evaluating Parameter Uncertainty in the Poisson Lognormal Model with Corrected Variational Estimators
本文研究PLN模型参数的变分估计器缺乏理论统计性质的问题，利用M-estimation理论推导Sandwich估计器进行一致性和方差估计，通过模拟和scRNA-seq数据验证了其在覆盖率上的有效性。
2024-11-13 stat.ME
Simultaneous Estimation of Many Sparse Networks via Hierarchical Poisson Log-Normal Model
本文提出分层泊松对数正态模型，利用变分EM和ADMM算法同步估计多个稀疏基因网络，在模拟和单细胞数据中优于传统方法，揭示更广的条件依赖关系。
2024-09-18 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
