Bayesian hierarchical modeling for signaling pathway inference from single cell interventional data
最近的技术进步使得在单细胞水平上同时测量多种蛋白质活性成为可能。利用在不同刺激或抑制条件下收集的这些数据,可以从单细胞干预数据推断蛋白质之间的因果关系。在这篇文章中,我们提出了一个贝叶斯分层建模框架来推断信号通路的基础上,模型中的参数的后验分布。在这个框架下,我们考虑网络的稀疏性,并在所有实验的整体水平和每个单独的实验水平上,对两种蛋白质之间的关联的存在进行建模。这使我们能够推断出相互关联的蛋白质对及其因果关系。我们还明确考虑了固有噪声和测量误差。马尔可夫链蒙特卡罗实现统计推断。我们证明,这种分层建模可以有效地汇集信息,从不同的干预实验,通过模拟研究和真实数据分析。
2011-08-03 stat.AP
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
Perturbation Detection Through Modeling of Gene Expression on a Latent Biological Pathway Network: A Bayesian hierarchical approach
细胞对扰动的反应是在复杂网络中连接的生物变量的动态系统的结果。药物和疾病研究的一个主要挑战是确定生物网络中决定细胞命运的关键因素。在这里,我们的目标是从高通量基因表达数据中识别受干扰的途径。我们开发了一个三层次的模型,其中(i)第一级捕获基因表达和生物途径之间的关系,使用验证性因子分析,(ii)第二级模型的行为在一个潜在的网络内的途径诱导的未知扰动使用条件自回归模型,和(iii)第三个层次是一个尖峰和平板之前的扰动。然后,我们通过基于后验的变量选择来识别扰动。我们说明了我们的方法,使用基因转录药物扰动配置文件从DREAM7药物敏感性预测挑战数据集。我们提出的方法识别了已知发挥致病作用且使用基因集富集分析或探索性因子模型无法轻易解决的调节途径。仿真结果评估该模型的性能相对于一个网络的自由的变体和它的鲁棒性在生物数据库中的不准确性。
2014-09-01 q-bio.MN stat.AP
Bringing Age Back In: Accounting for Population Age Distribution in Forecasting Migration
University of Washington(华盛顿大学)
本文提出一种方法,通过考虑人口年龄结构变化,预测200个最 populous 国家的国际净迁移率,利用年龄标准化估计值分解历史迁移率,并通过迁移年龄结构指数(MASI)减少预测区间宽度。
2024-02-21 stat.AP
Identifying Bayesian Optimal Experiments for Uncertain Biochemical Pathway Models
针对参数和实验数据不确定的药效学生化通路模型,提出贝叶斯最优实验设计方法,以定量选择最能降低预测不确定性的前瞻性实验。
2023-09-26 q-bio.MN stat.AP stat.CO
A Bayesian measurement error model for two-channel cell-based RNAi data with replicates
RNA干扰(RNA interference,RNAi)是一种内源性的细胞内过程,小的双链RNA导致具有互补核苷序列的mRNA被破坏。随着RNAi文库的产生,可以在人类细胞中进行大规模RNAi筛选,以鉴定参与生物途径的未知基因。研究人员面临的一个挑战是如何处理多重检验问题以及相关的假阳性率(FDR)和假阴性率(FNR)。本文提出了一种贝叶斯分层测量误差模型,用于分析重复的双通道RNAi高通量实验的数据,在该实验中,对特定生物通路的活性和细胞活力进行监测,目标是识别影响通路活性而不影响细胞活性的短发夹RNA(shRNAs)。模拟研究证明了贝叶斯方法的灵活性和鲁棒性,以及在实验中重复的好处。通过分析RNAi高通量筛选的数据来说明这种方法,该筛选在不影响细胞活力的情况下搜索影响HCV复制的细胞因子;包括本HCV研究的结果与文献中报道的一些结果的比较。
2012-03-20 stat.AP
Disentangling Latent Risk Pathways via Bayesian Hypergraph Inference
University of Science and Technology of China(中国科学技术大学)
提出贝叶斯超图推断框架,通过风险因子调节的潜在疾病路径建模多疾病,实现可解释的高阶结构、校准的不确定性估计和罕见病改进预测。
2026-06-04 cs.LG stat.AP stat.ME
Bayesian Semi-nonnegative Tri-matrix Factorization to Identify Pathways Associated with Cancer Types
识别与特定癌症类型相关的改变的途径可能会对癌症患者的治疗产生重大影响。准确识别这些关键的改变途径的信息可以用于开发新的治疗药物,以及更好地了解各种类型癌症的分子机制。三矩阵分解是学习两个不同实体之间的关联的有效工具(例如,癌症的类型和途径)。为了成功地将三矩阵分解方法应用于生物医学问题,在分解模型中应该考虑生物先验知识,例如途径数据库或蛋白质-蛋白质相互作用(PPI)网络。然而,在贝叶斯设置中并不简单,即使贝叶斯方法比点估计方法更有吸引力,例如极大似然或最大后验方法,在某种意义上,它们计算变量的分布并且对过拟合具有鲁棒性。针对人类癌症基因组数据,提出了一种贝叶斯(半)非负矩阵分解模型,该模型通过有限依赖的Beta-Bernoulli先验,将由通路数据库和PPI网络表示的生物先验知识纳入因子分解模型.我们在癌症基因组图谱(TCGA)数据集上测试了我们的方法,发现通过我们的方法鉴定的途径可以用作患者亚组鉴定的预后生物标志物。
2017-12-01 stat.ML
Multiscale Multi-Type Spatial Bayesian Analysis for High-Dimensional Data with Application to Wildfires and Migration
针对美国野火与人口变化多尺度多类型数据,开发了一种绕过MCMC的高效贝叶斯模型,直接从精确后验分布采样并建模信噪依赖性,成功实现野火概率预测并揭示火灾多发区与人口变化的关联。
2024-11-15 stat.AP stat.CO stat.ME
Dynamic Count Models with Flexible Innovation Processes for Irregular Maritime Migration
International Institute for Applied Systems Analysis (IIASA)(国际应用系统分析研究所)
本文提出一种贝叶斯动态框架,用于建模异方差计数时间序列,通过泊松随机游走模型和分离结构性与采样零的机制,分析地中海和英吉利海峡的海上迁移动态,发现迁移创新具有随机波动性。
2026-03-20 stat.AP
Evidence of bias in the Eurovision song contest: modelling the votes using Bayesian hierarchical models
欧洲歌唱大赛(Eurovision Song Contest)是欧洲广播联盟(European Broadcasting Union)自1956年以来举办的年度音乐比赛。该活动在欧洲各地进行电视直播。每个参赛国家都将献上一首歌曲,并通过电话投票和陪审团投票的方式进行投票。多年来,这导致了对战术投票的猜测,歧视了一些参与者,从而导致最终结果的偏见。在本文中,我们通过贝叶斯分层模型研究了参与国的地理邻近性,移民和文化特征的投票中存在的积极或消极偏见(这可能大致表明偏袒或歧视)。我们的分析没有发现负面偏见的证据,尽管轻微的正面偏见似乎系统地出现,将选民与表演者联系起来。
2013-08-28 stat.AP
Bayesian Networks based Hybrid Quantum-Classical Machine Learning Approach to Elucidate Gene Regulatory Pathways
Army Research Laboratory(陆军研究实验室);University of Maryland Baltimore County(马里兰大学巴尔的摩县分校)
我们报告了一个可扩展的混合量子经典机器学习框架,以建立贝叶斯网络(BN),捕捉随机变量的条件依赖和因果关系。BN的生成包括找到与给定数据集一致的节点的有向无环图(DAG)和相关联的联合概率分布。这是底层图的结构学习的组合问题,从单个节点开始,每次构建一个弧,使用最大似然估计(MLE)拟合给定的集合。它被铸造成一个优化问题,包括一个评分步骤上执行的经典计算机,处罚的无环性和父母允许的约束,并使用量子退火器实现搜索步骤。我们已经假设统一的先验在推导贝叶斯网络,可以放松制定的问题作为一个估计狄利克雷参数。我们证明了该框架的实用性,通过应用于阐明人类T细胞中MAPK/Raf通路的基因调控网络的问题,使用蛋白质组学数据,其中蛋白质的浓度,BN的节点,被解释为概率。
2019-01-23 cs.LG quant-ph stat.ML
Bayesian Detection of Mesoscale Structures in Pathway Data on Graphs
University of Zurich(苏黎世大学)
中尺度结构是复杂系统的抽象和分析的一个组成部分。它们揭示了网络中节点的功能,并促进了我们对网络动力学的理解。例如,它们可以表示社交或引用网络中的社区,企业交互中的角色,或交通网络中的核心-外围结构。我们通常在相互作用独立的假设下探测中尺度结构。然而,在许多情况下,相互作用以特定的顺序发生,使这一假设无效。这种模式出现在路径数据中;为了捕捉它们,我们必须使用高阶网络模型来建模相互作用之间的依赖关系。然而,高阶网络中的中尺度结构的检测仍然是研究不足。在这项工作中,我们推导出一个贝叶斯方法,同时模型组中的节点的最佳分区和组之间的最佳高阶网络动态。在合成数据中,我们证明了我们的方法可以恢复标准的基于邻近度的社区和基于角色的节点分组。在合成和真实世界的数据中,我们表明它可以与基线技术竞争,同时还提供了可解释的网络动态抽象。
2023-01-16 cs.LG stat.ME stat.ML
A Bayesian cohort component projection model to estimate adult populations at the subnational level in data-sparse settings
国家以下各级人口的准确估计对于政策制定和监测人口健康指标十分重要。例如,对育龄妇女人数的估计对于了解面临孕产妇死亡风险和避孕需求未得到满足的人口十分重要。然而,在许多低收入国家,关于人口计数和人口变化组成部分的数据有限,因此国家以下一级的水平和趋势不清楚。我们提出了一个贝叶斯约束的队列组件模型的估计和预测的国家以下的人口。该模型建立在一个群组组成预测框架的基础上,纳入了人口普查数据和联合国《世界人口展望》的估计数,并使用特征死亡率表来获得人口计数和人口变化组成部分的估计数,包括国内移徙。该模型所需的投入数据很少,而且可在包括大多数低收入国家在内的许多国家获得。该模型用于估计和预测1979-2019年肯尼亚各县的人口,并根据2019年肯尼亚人口普查进行验证。
2021-02-12 stat.AP
Flexible Bayesian Modelling of Age-Specific Counts in Many Demographic Subpopulations
针对人口子群体观察计数少且异质性大的挑战,提出一种利用平滑潜因子和分层先验的贝叶斯模型,用于联合分析多子群体的年龄别计数,并在奥地利移民流案例中展现出优于基准框架的插补与预测性能。
2025-05-28 stat.AP
Bayesian pathway analysis over brain network mediators for survival data
提出整合贝叶斯框架,利用矩阵变量生存模型与矩阵响应回归分析遗传暴露、脑网络中介和发病时间的效应通路,并通过模拟及ADNI研究验证其优势。
2023-09-24 stat.ME
Bayesian estimation for conditional probabilities associated to directed acyclic graphs: study of hospitalization of severe influenza cases
本文提出基于Dirichlet-多项分布贝叶斯推断与模拟技术的有向无环图概率估计框架,用于建模重症流感住院患者的转移路径,以量化不确定性并优化医院资源规划与临床决策。
2025-04-08 stat.AP
Inferring Signaling Pathways with Probabilistic Programming
University of Wisconsin–Madison(威斯康星大学麦迪逊分校);Morgridge Institute for Research(莫格里奇研究所)
细胞通过令人眼花缭乱的复杂生化过程来调节自己,这些过程被称为信号通路。这些通常被描述为一个网络,其中节点代表蛋白质,边表示它们彼此之间的影响。为了在细胞水平上理解疾病和治疗,对工作中的信号通路有准确的理解是至关重要的。由于信号通路可以被疾病改变,因此从病症或患者特异性数据推断信号通路的能力是非常有价值的。存在多种用于推断信号通路的技术。我们建立在过去的作品,制定信号通路推断作为一个动态贝叶斯网络结构估计问题的磷酸化蛋白质组时间过程数据。我们采用贝叶斯方法,使用马尔可夫链蒙特卡罗估计可能的动态贝叶斯网络结构的后验分布。我们的主要贡献是(i)一个新的建议分布,有效地采样稀疏图和(ii)放松常见的限制性建模假设。我们实现我们的方法,命名为稀疏信号通路采样,在朱莉娅使用Gen概率编程语言。概率编程是构建统计模型的强大方法。生成的代码是模块化的、可扩展的和易读的。Gen语言,特别是,允许我们定制我们的推理过程的生物图,并确保有效的采样。我们评估我们的算法模拟数据和HPN-DREAM途径重建的挑战,比较我们的性能对各种基线方法。我们的研究结果表明了概率编程的巨大潜力,特别是Gen,用于生物网络推理。在www.example.com上找到完整的代码库
2020-07-17 cs.LG q-bio.MN stat.ML
Drug response prediction by inferring pathway-response associations with Kernelized Bayesian Matrix Factorization
Helsinki Institute for Information Technology HIIT(赫尔辛基信息技术研究所);Aalto University(阿尔托大学);Institute for Molecular Medicine Finland FIMM(芬兰分子医学研究所);University of Helsinki(赫尔辛基大学);Science for Life Laboratory(生命科学实验室);Karolinska Institutet(卡罗林斯卡学院);University of Turku(图尔库大学)
计算个性化医学的一个关键目标是系统地利用样本的基因组和其他分子特征来预测先前未见过的样本的药物反应。这样的预测是有价值的发展假说,为个体患者量身定制的选择治疗。这在肿瘤学中特别有价值,其中细胞的分子和遗传异质性对反应有重大影响。然而,预测任务极具挑战性,因此需要能够有效建模和预测药物反应的方法。在这项研究中,我们提出了一种新的多任务矩阵分解的配方,允许选择性的数据整合预测药物反应。为了解决建模任务,我们扩展了最先进的核化贝叶斯矩阵分解(KBMF)方法与组件明智的多核学习。此外,我们的方法利用已知的途径信息在一个新的和生物学意义的方式来学习药物反应协会。我们的方法在两个公开的癌症数据集以及合成数据集上定量地优于预测药物反应的现有技术。此外,我们使用内部癌细胞系面板通过实验室实验验证了我们的模型预测。最后,我们展示了所提出的方法的实际适用性,利用先验知识来推断路径药物反应协会,开辟了阐明药物作用机制的机会。我们证明,通路反应协会可以通过所提出的模型为众所周知的EGFR和MEK抑制剂。
2016-06-11 cs.LG q-bio.QM stat.ML
Spinal Muscle Atrophy Disease Modelling as Bayesian Network
本文利用概率图模型与贝叶斯推断对脊髓性肌萎缩症的基因表达和全基因组关联数据进行建模,构建共表达网络并识别相关分子通路,通过变分推断和MCMC估计后验分布。
2023-11-29 cs.AI stat.AP
Bayesian Integrative Analysis and Prediction with Application to Atherosclerosis Cardiovascular Disease
心血管疾病(CVD),包括动脉粥样硬化CVD(ASCVD),是多因素疾病,在世界范围内造成重大的经济和社会负担。人们已经做出了巨大的努力来了解ASCVD的传统风险因素,但这些风险因素仅占所有ASCVD病例的一半左右。识别非传统风险因素(例如,遗传变异,基因)有助于ASCVD。此外,将功能知识纳入预测模型有可能揭示与疾病风险相关的途径。我们提出了贝叶斯分层因素分析模型,关联多个组学数据,预测临床结果,允许先前的功能信息,并可以容纳临床协变量。基于现有数据和对ASCVD其他风险因素的需求,这些模型用于临床、人口统计学和多组学数据的综合分析,以确定可能导致健康成人10年ASCVD风险的遗传变异、基因和基因途径。我们的研究结果揭示了几种与ASCVD风险高度相关的遗传变异、基因和基因通路。有趣的是,其中一些与CVD风险有关。其他人可以探索其在CVD中的潜在作用。我们的研究结果强调了联合关联和预测模型的优点。
2020-05-23 stat.ME
Dynamic Factor Analysis with Dependent Gaussian Processes for High-Dimensional Gene Expression Trajectories
针对高维纵向基因表达数据,提出结合相依高斯过程(DGP)与贝叶斯稀疏因子分析的贝叶斯方法,首次放宽纵向数据独立因子假设,提升通路轨迹恢复、基因-通路关系揭示及基因表达预测性能,并提供R包DGP4LCF。
2024-07-22 stat.AP stat.CO stat.ME
HyperTraPS: Inferring probabilistic patterns of trait acquisition in evolutionary and disease progression pathways
整个生物医学科学的数据爆炸为了解进化和疾病进展的动态提供了前所未有的机会,但利用这些庞大而多样化的数据集仍然具有挑战性。在这里,我们描述了一个高度概括的统计平台,以推断许多潜在的相互作用,离散性状随着时间的推移在生物医学系统中获得或丢失的动态途径。该平台使用HyperTraPS(超立方过渡路径采样)从横截面,纵向或遗传学相关数据中学习进展途径,具有前所未有的效率,易于区分多个竞争途径,并确定给定观察结果的最简约机制。它的贝叶斯结构量化了通路结构的不确定性,并允许对行为进行可解释的预测,例如患者接下来将获得哪种症状。我们利用该模型的拓扑结构提供直观的评估多个,可变的途径可视化工具。我们将该方法应用于卵巢癌进展和结核病多药耐药的演变,证明了其揭示以前未检测到的动态途径的能力。
2019-11-28 q-bio.GN q-bio.QM stat.ME
Bayesian high-dimensional biological pathway-guided mediation analysis with application to metabolomics
本文提出贝叶斯生物学通路引导的中介分析方法,联合建模高维代谢物并直接识别通路、估计通路特异性间接效应,模拟与两项代谢组学应用验证了其有效性。
2025-03-18 stat.AP
A Bayesian Generalized CAR Model for Correlated Signal Detection
在过去的十年中,大规模的多重检验已经成为现代数据分析的前沿。在许多应用中,数据是相关的,使得在数据集中的每个位置处用于检测非空情况或信号的观测到的检验统计量携带关于在其他位置处的真实信号的机会的一些信息。Brown,Lazar,Datta,Jang,and McDowell(2014)在神经成像背景下提出了一种贝叶斯多重检验模型,该模型通过条件自回归(CAR)模型解释了每个体积元素对其邻居行为的依赖性。在这里,我们提出了一个广义的CAR模型,它允许包含没有邻居的点,这在传统的CAR模型下是不可能的。我们还考虑基于物理位置以外的标准的社区,例如根据现有生物学知识确定的微阵列中的遗传途径。这种泛化为相关和独立情况的同时建模提供了一个统一的框架,从而在后验中实现更强的贝叶斯学习,并提高了对感兴趣信号的估计精度。我们证明了所选择的先验分布,并证明了由此产生的后验分布是适当的。我们说明了我们提出的模型的有效性和适用性,使用它来分析模拟和真实的微阵列数据,其中的基因表现出依赖性,是由物理相邻的染色体或预定义的基因通路。
2017-02-07 stat.ME
Bayesian Parameter Identification in the Landau-de Gennes Theory for Nematic Liquid Crystals
University of Innsbruck(因斯布鲁克大学);University of Strathclyde(斯特拉斯克莱德大学)
本文针对向列液晶 Landau-de Gennes 模型提出一种贝叶斯参数辨识方法,利用模拟数据评估了马尔可夫链蒙特卡洛近似精度、置信区间与可辨识性极限。
2025-04-22 cond-mat.soft cs.NA math.NA
Bayesian equation selection on sparse data for discovery of stochastic dynamical systems
通常,驱动随机动力系统的微分方程的基本系统被假设为已知的,推理以这个假设为条件。我们提出了一个贝叶斯框架,发现这个系统的微分方程的假设下,与现实生活中的场景,包括相对稀疏的数据的可用性。此外,我们讨论了对于梳理动力系统的重要细节至关重要的计算策略和算法创新,以解决在缺乏丰富数据的情况下严重的参数相互依赖性。这给出了一个完整的贝叶斯路径模型识别通过一个变量选择范例和参数估计的相应模型,只使用观察到的数据。我们提出了详细的计算和分析的Lorenz-96,Lorenz-63,和Orstein-Uhlenbeck系统使用贝叶斯框架,我们建议。
2021-01-12 stat.CO stat.ME
High-Dimensional Mediation Analysis for Generalized Linear Models Using Bayesian Variable Selection Guided by Mediator Correlation
Harvard T.H. Chan School of Public Health(哈佛陈曾熙公共卫生学院);Brigham and Women’s Hospital(布莱根妇女医院);Sungkyunkwan University(成均馆大学)
本文提出基于贝叶斯变量选择的高维中介分析方法,利用中介相关性在广义线性模型中识别中介路径并估计间接效应。
2026-02-12 stat.ME
Nonparametric Dynamic State Space Modeling of Observed Circular Time Series with Circular Latent States: A Bayesian Perspective
循环时间序列在统计学中受到的关注相对较少,并且使用状态空间方法对复杂循环时间序列进行建模在文献中不存在。在这篇文章中,我们介绍了一个灵活的贝叶斯非参数方法来观察循环时间序列的状态空间建模,即使潜在的状态是循环随机变量。至关重要的是,我们假设观测函数和进化函数的形式都是未知的和随时间变化的,它们在本质上都是循环的。我们对这些未知的循环函数进行了适当的包装高斯过程具有理想的性能。我们开发了一个有效的马尔可夫链蒙特卡罗策略来实现我们的贝叶斯模型,通过明智地结合吉布斯抽样和大都会黑斯廷斯方法。验证我们的想法与模拟研究和两个真正的双变量循环时间序列数据集,我们假设的变量之一是不可观察的,我们的模型和方法显示非常令人鼓舞的性能。最后,我们分析了一个数据组成的鲸鱼迁徙的方向,考虑到未观察到的洋流方向的潜在的循环过程的利益。我们得到的结果是令人鼓舞的,所观察到的过程的后验预测分布正确地预测了所观察到的鲸鱼运动。
2017-03-15 stat.ME
Network Modeling and Pathway Inference from Incomplete Data ("PathInf")
MGH/BWH Center for Clinical Data Science(麻省总医院/布莱根妇女医院临床数据科学中心);Center for Data Science, Peking University(北京大学数据科学中心);Peking University Cancer Hospital & Institute(北京大学肿瘤医院暨研究所);Massachusetts General Hospital(麻省总医院)
在这项工作中,我们开发了一种不完整数据的网络推理方法(“PathInf”),因为大量和非均匀分布的缺失值是实际问题中的常见挑战。PathInf是一个两阶段推理模型。在第一阶段,它应用基于极大似然的数据汇总模型,通过将数据中的观测项转换为状态矩阵来处理大量分布的缺失值。在第二阶段中,变量之间的转移模式(即路径)推断为一个图推理问题,用带约束的贪婪算法求解。通过仿真数据验证了该方法的有效性,并与贝叶斯网络方法进行了比较,结果表明该方法具有较好的性能。通过将PathInf应用于淋巴管转移数据,我们获得了淋巴结转移的整体路径,并在物理上分离的淋巴结之间的跳跃式转移方面有了新的发现。这一发现表明,在肺淋巴结中可能存在前哨淋巴结群,这是以前推测的,但从未发现过。路径图还可以改进目前的解剖检查方案,以更好地制定个性化治疗计划,提高诊断准确性,减少患者的创伤。
2018-10-01 cs.LG stat.ML
A Bayesian approach to location estimation of mobile devices from mobile network operator data
移动网络运营商(MNO)数据是官方统计数据的丰富数据来源,例如目前的人口,流动性,移民和旅游业。估计移动设备的地理位置是统计推断的重要步骤。大多数研究使用Voronoi细分,这是基于移动设备总是连接到最近的无线电小区的假设。本文使用模块化贝叶斯方法,允许关于设备预期位置的先验知识的不同模块,以及给定地理位置的连接可能性的不同模块。我们讨论并比较了几个先前模块的使用,包括一个基于土地利用的模块。我们表明,Voronoi曲面细分可以用作一个似然模块。或者,我们提出了一个信号强度模型,使用无线电小区的属性,如天线高度,传播方向和功率。使用贝叶斯规则,我们得到一个后验概率分布,这是一个估计的地理位置,它可以用于进一步的统计推断。我们描述的方法,并提供一个虚构的例子,类似于现实世界的情况下的插图。该方法已在R软件包mobloc和mobvis中实现,并进行了简要描述。
2021-10-01 eess.SP stat.ME
Quantifying Entrainment Evidence: A Comparison of Frequentist and Bayesian Approaches for Information Processing Pathway Maps
Tsinghua University(清华大学);University College London(伦敦大学学院)
比较频率主义与贝叶斯方法映射皮层夹带,贝叶斯方法保留核心优势并改变选择标准,通过听觉神经成像数据集评估性能和可解释性,探讨对系统神经科学的影响。
2026-07-08 q-bio.NC stat.AP
Bayesian Variable Selection for High-Dimensional Mediation Analysis: Application to Metabolomics Data in Epidemiological Studies
针对流行病学研究中高维组学数据因果中介分析的挑战,提出新颖贝叶斯框架,通过马尔可夫随机场与序贯子集伯努利先验提升中介效应检测效能,应用于代谢组数据验证了有效性。
2024-11-26 stat.AP stat.ME