Shared Differential Clustering across Single-cell RNA Sequencing Datasets with the Hierarchical Dirichlet Process
针对单细胞RNA测序数据分析受数据收集问题与偏差影响的难题，本研究构建集成贝叶斯模型同时处理归一化、插补、批次效应并跨数据集非参数聚类细胞，还开发了基于HDP有限维近似的Gibbs采样器用于后验推断。
2023-12-13 q-bio.GN stat.ME
Negative binomial count splitting for single-cell RNA sequencing data
针对 scRNA-seq 计数数据的过度离散导致 Poisson 计数拆分失去训练/测试独立性的问题，提出基于 Dirichlet-multinomial 抽样的负二项计数拆分，并在模拟和胎儿肾脏细胞图谱聚类验证中证明其优势。
2023-07-24 stat.AP stat.ME
Optimal sequencing depth for single-cell RNA-sequencing in Wasserstein space
University of British Columbia（不列颠哥伦比亚大学）；The Chinese University of Hongkong, Shenzhen（香港中文大学（深圳））
本文研究了单细胞RNA测序中如何确定最优测序深度，通过分析细胞经验分布与真实总体之间的Wasserstein距离，提出上界和下界，并通过模拟实验验证了结果。
2025-12-20 math.ST stat.ME stat.TH
Depth Normalization of Small RNA Sequencing: Using Data and Biology to Select a Suitable Method
深度测序已成为生物医学研究中最受欢迎的转录组分析工具之一。虽然存在大量的计算方法用于“归一化”测序数据以去除由于实验处理而导致的不想要的样品间变化，但是对于哪种归一化最适合于给定的数据集没有共识。为了解决这个问题，我们开发了“DANA”-一种基于生物学动机和数据驱动的指标评估microRNA测序数据标准化方法性能的方法。我们的方法利用了microRNA的众所周知的生物学特征，用于其表达模式和染色体聚类，以同时评估（1）归一化如何有效地去除处理伪影，以及（2）归一化如何适当地保留生物信号。通过DANA，我们确认了八种常用的归一化方法在不同数据集上的性能差异很大，并为选择合适的方法提供了指导。因此，它应该被采用作为microRNA测序数据分析的常规预处理步骤（在归一化之前）。DANA是用R语言实现的，可在https://github.com/LXQin/DANA上公开获取。
2022-01-13 q-bio.GN q-bio.QM stat.ME
VeloTree: Inferring single-cell trajectories from RNA velocity fields with varifold distances
Zuse Institute Berlin（柏林祖斯研究所）；Technical University of Denmark（丹麦技术大学）
本文提出VeloTree方法，利用变分距离推断单细胞分化树，通过预处理RNA速度场并结合变分距离计算，提高轨迹推断的准确性。
2026-04-01 math.MG q-bio.GN 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
Projection Pursuit with Applications to scRNA Sequencing Data
在本文中，我们探讨了PCA作为一种降维技术的局限性，并研究了其扩展，投影寻踪（PP），这是一个广泛的一类线性降维方法。首先讨论了相关概念和定理，然后将PCA和PP（以负标准化香农熵为投影指标）应用于单细胞RNA测序数据。
2022-10-14 stat.ME stat.ML
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
Finite mixtures of matrix-variate Poisson-log normal distributions for three-way count data
三向数据结构是生物学研究中常见的数据结构，其特征在于三个实体：单位、变量和场合。在RNA测序中，当在$r$场合跨$p$条件收集$n$基因的高通量转录组测序数据时，获得三向数据结构。矩阵变量分布提供了一种自然的方式来建模三向数据，并且矩阵变量分布的混合可以用于聚类三向数据。基因表达数据的聚类是发现基因共表达网络的手段。在这项工作中，提出了一种混合矩阵变量泊松-对数正态分布的聚类读取计数从RNA测序。通过考虑矩阵变量结构，同时考虑了RNA测序数据集的条件和场合的全部信息，并且减少了待估计的协方差参数的数量。我们提出了三种不同的框架参数估计：一个马尔可夫链蒙特卡罗为基础的方法，变分高斯近似为基础的方法，和混合方法。各种信息标准用于模型选择。该模型被应用到真实和模拟数据，我们证明，所提出的方法可以恢复在这两种情况下的底层集群结构。在真实模型参数已知的仿真研究中，我们提出的方法显示出良好的参数恢复。
2022-06-21 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
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
The permuted score test for robust differential expression analysis
针对负二项回归假设失效导致差异表达分析错误率失控的问题，提出基于置换得分统计量并结合序贯蒙特卡洛与高效GLM算法的检验方法，在保持功效和效率的同时显著改进I类错误控制。
2025-01-07 stat.AP stat.ME
Differential meta-analysis of RNA-seq data from multiple studies
高通量测序现在经常用于转录组（RNA-seq）的研究，特别是用于实验条件之间的比较。目前，在这样的实验中通常考虑有限数量的生物学重复，导致差异表达的检测能力低。随着其成本不断下降，可能会进行更多的后续研究，以重新解决同样的生物学问题。我们演示了如何将先前用于微阵列荟萃分析的p值组合技术用于多个相关研究的RNA-seq数据的差异分析。将这些技术与负二项广义线性模型（GLM）进行比较，包括对人黑素瘤细胞系模拟数据和真实数据的固定研究效应。固定研究效应的GLM在低研究间变异性和少量研究中表现良好，但在中至大研究间变异性和大量研究中表现优于荟萃分析方法。综上所述，本文所述的p值组合技术是一种有价值的工具，可通过适当解释研究中的生物学和技术变异性以及其他研究特异性效应，对RNA-seq数据进行差异荟萃分析。R包MetaRNASeq在R Forge上可用。
2013-06-16 q-bio.GN stat.AP stat.ME
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
Making Multi-Axis Models Robust to Multiplicative Noise: How, and Why?
本文提出MED-MAGMA算法，用于拟合受乘性噪声干扰的多轴模型，通过在单细胞RNA测序等领域的公开数据集验证，证明其能学习具有更好局部和全局结构的网络。
2026-03-27 cs.LG stat.ME
A Statistical Framework for Co-Mediators of Zero-Inflated Single-Cell RNA-Seq Data
针对 scRNA-seq 数据的零膨胀与复杂共同中介结构，提出结合零膨胀负二项模型和 beta 回归的因果中介框架，模拟显示功效提升且 FDR 受控，并在 ROSMAP 数据中发现有生物学意义的中介效应。
2025-09-30 q-bio.GN q-bio.QM stat.AP
A Multivariate Poisson-Log Normal Mixture Model for Clustering Transcriptome Sequencing Data
在高通量测序研究中经常遇到离散和偏斜性质的高维数据。分析网络本身或这类数据中基因之间的相互作用仍然存在许多挑战。由于数据可视化技术对于更高维度变得繁琐，并且当数据中同质子组之间没有明确的分离时无法令人信服，聚类分析提供了一种直观的替代方案。在这种情况下，应用基于混合模型的聚类的目的是发现共表达的基因组，这可以揭示基因产物的生物学功能和途径。提出了一种用于高通量转录组测序数据聚类的多变量Poisson-Log Normal（MPLN）混合模型。MPLN模型能够拟合广泛的相关性和过度分散情况，并且是对RNA测序研究的多变量计数数据建模的理想选择。通过马尔可夫链蒙特卡罗期望最大化算法（MCMCM-EM）进行参数估计，并使用信息准则进行模型选择。
2017-11-30 q-bio.QM stat.CO stat.ME
DGP-LVM: Derivative Gaussian process latent variable models
本文提出DGP-LVM框架，通过改进的导数协方差函数和贝叶斯推断处理多维输出并估计潜变量不确定性，显著提升含导数信息的潜变量估计性能。
2025-01-31 stat.ME
Optimizing Sample Size for Supervised Machine Learning with Bulk Transcriptomic Sequencing: A Learning Curve Approach
针对监督式机器学习在转录组分类中的样本量规划问题，提出结合数据增强与学习曲线拟合来刻画功效—样本量关系，并在 microRNA 和 RNA 测序数据上验证。
2024-09-10 q-bio.GN stat.ME
Multi-scale Poisson process approaches for differential expression analysis of high-throughput sequencing data
评估和测试不同条件下的分子表型差异（例如基因表达、染色质可及性、转录因子结合）是理解基因调控的分子基础的重要组成部分。这些表型通常使用高通量测序测定（例如，RNA-seq、ATAC-seq、ChIP-seq），其提供反映表型如何沿基因组变化的高分辨率计数数据。已经提出了多种方法来帮助利用这些高分辨率的测量差异表达分析。但是，它们忽略了数据的计数性质，而是使用仅适用于大样本量或高计数数据的正态近似。在这里，我们开发基于计数的方法来解决这个问题。我们使用具有空间结构的底层强度函数的非齐次泊松过程对每个样本的数据进行建模，然后建立泊松过程的多尺度模型，估计和测试样本（或样本组）之间的底层强度函数的差异。使用模拟和真实的ATAC-seq数据，我们表明我们的方法优于以前的正常的方法，特别是在小样本量或低计数的情况下。
2021-06-25 q-bio.QM stat.ME
Wavelet-based genetic association analysis of functional phenotypes arising from high-throughput sequencing assays
了解遗传变异如何影响细胞水平的过程是了解它们如何影响重要的生物体水平特征或“表型”（包括人类疾病易感性）的重要一步。为此，科学家们正在进行大规模的遗传关联研究，旨在确定与分子和细胞表型相关的遗传变异，如基因表达，转录因子结合或染色质可及性。这些研究使用高通量测序分析（例如RNA-seq，ChIP-seq，DNase-seq）来获得关于每个样品中性状如何沿基因组变化的高分辨率数据。然而，典型的关联分析无法利用这些高分辨率的测量，而是以较粗的分辨率聚合数据，例如基因或固定长度的窗口。在这里，我们开发和应用统计方法，更好地利用高分辨率数据。其关键思想是将序列数据视为测量沿基因组变化的潜在“功能”，然后基于小波的功能数据分析方法，测试遗传变异与潜在功能之间的关联。应用这些方法来识别与染色质可及性（dsQTL）相关的遗传变异，我们发现，它们识别出的关联比简单的基于窗口的分析要多得多，总共我们识别出772个未被原始分析识别出的新dsQTL。
2013-07-27 q-bio.GN stat.ME
A statistical normalization method and differential expression analysis for RNA-seq data between different species
背景：高通量技术为基因组研究带来了新的工具，但也带来了统计学上的挑战。识别不同物种之间差异表达的基因是发现进化保守转录反应的有效方法。为了消除不同物种之间的系统性差异以进行公平的比较，标准化程序作为关键的预处理步骤，用于调整不同的样品测序深度和其他混淆技术效应。结果如下：在本文中，我们提出了一个基于尺度的归一化（SCBN）方法，考虑到现有的知识保守的直向同源基因和假设检验框架。考虑到不同物种之间不同的基因长度和未映射的基因，我们从假设检验的角度制定的问题，并寻找最佳的比例因子，最大限度地减少经验和名义第一类错误之间的偏差。结论：仿真研究表明，所提出的方法在广泛的设置中比现有的竞争对手表现得更好。对不同物种的RNA-seq数据集进行了分析，结果表明该方法优于现有方法。为了实际应用，我们还开发了一个名为“SCBN”的R软件包，该软件可在http://www.bioconductor.org/packages/devel/bioc/html/SCBN.html上获得。
2018-10-04 q-bio.GN stat.ME
