JASPER: Joint Bayesian Analysis of Spatial Expression via Regression
Texas A&M University(德克萨斯农工大学)
JASPER通过联合贝叶斯分析空间表达,解决现有方法在基因间相关性建模不足的问题,提升空间转录组数据的统计和生物解释性。
2026-07-01 stat.AP stat.CO stat.ME
Pseudo-value regression of clustered multistate current status data with informative cluster sizes
针对具有信息性聚类规模的聚类多状态当前状态数据存在的推断偏差问题,提出结合非参数边际估计与聚类规模加权的扩展伪值回归方法,经模拟验证后应用于牙周病临床数据集。
2023-07-24 stat.ME
Functional regression clustering with multiple functional gene expressions
基因表达数据通常在不同实验条件下的时间序列实验中收集。随着时间的推移,可能有基因具有非常不同的基因表达谱,但在实验条件下以相同的方式调整其基因表达模式。我们的目标是开发一种方法,发现这些时间基因表达谱之间的关系是彼此相似的基因簇,即使个别时间基因表达谱不同。我们提出了一个$K$ -手段类型的算法,其中每个集群是由一个功能上的功能回归模型,其中,除其他外,允许多个功能的解释变量定义。我们通过大量的模拟验证了这种新方法,然后将其应用于识别基因组,其昼夜表达模式以类似的方式受到季节的干扰。我们的聚类富含具有相似生物学功能的基因,包括一个富含光合相关功能和多聚核糖体的聚类,这表明我们的方法提供了有用的和新颖的生物学见解。
2021-12-01 stat.ME
Hypothesis Testing in High-Dimensional Instrumental Variables Regression with an Application to Genomics Data
基因表达和表型关联可能受到来自多个来源的潜在未测量混杂因素的影响,导致对关联的偏倚估计。由于遗传变异在很大程度上解释了基因表达变异,因此可以在高维工具变量(IV)回归的框架内将其用作研究基因表达与表型之间关联的工具。然而,由于遗传变异和基因表达的维度通常大于样本量,因此统计推断(例如,用于此类高维IV模型的假设检验)并非微不足道,并且尚未在文献中进行研究。由于工具变量(例如,遗传变体)必须在大量的遗传变体中进行选择。研究了稀疏IV回归模型的假设检验问题,给出了单个回归系数的检验方法和多个回归系数的多重检验方法,其中单个回归系数的检验统计量是基于逆回归构造的.一个多重检验程序开发选择变量,并控制错误发现率。仿真进行评估我们所提出的方法的性能。这些方法通过酵母数据集的分析来说明,以确定与过氧化氢存在下的生长相关的基因。
2019-10-21 stat.AP stat.ME
An Accurate Standard Error Estimation for Quadratic Exponential Logistic Regressions by Applying Generalized Estimating Equations to Pseudo-Likelihoods
University of Minnesota School of Public Health(明尼苏达大学公共卫生学院);National Cheng Kung University(国立成功大学);Minghsin University of Science and Technology(铭传大学);National Taipei University(国立台北大学)
针对二次指数二元分布最大似然估计计算难、伪似然低估标准误的问题,本研究提出将广义估计方程应用于伪似然时采用独立工作相关结构可获一致估计,推导了理论性质并通过模拟与实例验证了方法有效性。
2025-10-01 stat.ME
Adjusting for informative cluster size in pseudo-value based regression approaches with clustered time to event data
信息聚类大小(ICS)出现在聚类数据的情况下,其中聚类中的参与者数量与结果度量之间存在潜在的关系。虽然这一现象在统计文献中已经零星报道了近二十年,但在某些统计方法学中需要进一步探索,以避免潜在的误导性推论。对于没有协变量的总体数量的推断,通常采用逆聚类大小重新加权来调整ICS。此外,为了研究协变量对多状态模型描述的疾病进展的影响,伪值回归技术在事件发生时间数据分析中得到了普及。我们试图回答这样一个问题:“当聚类大小是有用的时,如何将伪值回归应用于聚类的事件时间数据?“通过重新加权方法进行的ICS调整可以分两步进行;估计多状态模型的边缘函数,并根据伪值响应拟合估计方程,从而产生四种可能的策略。我们提出的理论论据和彻底的模拟实验,以确定正确的策略,为ICS调整。我们的方法的进一步扩展,包括集群内组的大小引起的信息。我们证明了在两个现实世界的应用程序的方法:(一)确定牙周研究中的牙齿存活的预测因素,(二)确定参与运动训练康复的脊髓损伤患者的行走恢复指标。
2023-03-23 stat.ME
Heterogeneity-aware integrative regression for ancestry-specific association studies
针对基因组研究中代表性不足的祖先群体,提出一种异质性感知的惩罚最大似然估计量以构建祖先特异性蛋白质表达模型,显著提升了非洲裔群体的预测准确性并发现了多项蛋白质与血脂的关联。
2024-04-24 stat.AP stat.ME
Pseudo-Labeling for Kernel Ridge Regression under Covariate Shift
Department of IEOR and Data Science Institute, Columbia University(工业工程与数据科学学院,哥伦比亚大学)
针对协变量偏移下的核岭回归,本文提出用有标签数据分别构建候选模型与插补模型,并借助伪标签进行模型选择,证明其达到近极小极大最优风险率。
2025-07-24 cs.LG math.ST stat.ME
Pseudo-R2D2 prior for high-dimensional ordinal regression
针对高维有序回归,提出Pseudo-R2D2先验,通过广义逆高斯先验近似诱导McFadden决定系数的贝塔分布,在模拟和真实基因数据上表现优异。
2025-02-20 stat.ME
Flexible Tweedie regression models for continuous data
Tweedie回归模型提供了一个灵活的分布族来处理非负的高度右偏数据以及对称和重尾数据,并且可以处理概率质量为零的连续数据。基于极大似然法的Tweedie回归模型的估计和推断受到概率函数中无穷和的存在以及幂参数空间上的非平凡限制的挑战。在本文中,我们提出了两种方法来拟合Tweedie回归模型,即准和伪似然。我们讨论了这两种方法的渐近性质,并进行模拟研究,比较我们的方法与极大似然方法。特别是,我们表明,拟似然方法提供了渐近有效的估计回归参数。替代方法的计算实现比传统的极大似然更快和更容易,依赖于一个简单的牛顿计分算法。模拟研究表明,准似然法和伪似然法的估计数、标准误和覆盖率与极大似然法相似。此外,所需的准和伪似然方法的二阶矩假设,使我们能够扩展的Tweedie回归模型类的准Tweedie回归模型的Wedderburn的风格。此外,它允许消除对幂参数空间的非平凡限制,从而提供了一个灵活的回归模型来处理连续数据。我们提供了\texttt{R}的实现,并说明了应用程序的Tweedie回归模型使用三个数据集。
2016-09-12 stat.AP stat.CO stat.ME
Inference in pseudo-observation-based regression using (biased) covariance estimation and naive bootstrapping
Institute of Statistics, RWTH Aachen University(亚琛工业大学统计研究所);Department of Public Health - Department of Biostatistics, Aarhus University(奥胡斯大学公共卫生学院-生物统计系)
本文提出基于伪观测回归的推断方法,通过改进的协方差估计和学生化方法提高检验精度,解决了传统方法的一致性问题。
2026-01-22 math.ST stat.ME stat.TH
A logistic regression analysis approach for sample survey data based on phi-divergence measures
基于$ϕ$ -散度测度,提出了一类新的二元逻辑斯谛回归模型的最小距离估计。伪最小φ-散度估计量(PM $ϕ$ E)族是一般抽样调查设计中“最小φ-散度估计量”(M $ϕ$ E)的推广,它包含Roberts等在\cite{r}中考虑的伪极大似然估计量(PMLE)作为特例。通过模拟研究,它表明,一些PM $ϕ$ ES有一个更好的行为,在效率方面,比PMLE。
2016-11-08 stat.ME
Three-way Cross-Fitting and Pseudo-Outcome Regression for Estimation of Conditional Effects and other Linear Functionals
本研究将平均处理效应估计的最新进展适配到条件平均处理效应估计中,结合三重交叉拟合与伪结果回归生成个性化效应估计,证明在结果条件期望满足平滑性条件时可实现较快收敛,为个体处理决策提供支撑。
2023-06-12 math.ST stat.ME stat.TH
A Unified Model for Differential Expression Analysis of RNA-seq Data via L1-Penalized Linear Regression
RNA测序(RNA-seq)在定量基因表达水平方面越来越受欢迎。由于RNA-seq测量本质上是相对的,因此计数的样本间标准化是差异表达(DE)分析中的重要步骤。现有DE检测算法的标准化是特别的,并且在DE检测之前执行一次,这可能是次优的,因为理想的标准化应该仅基于非DE基因,因此与DE检测相结合。我们提出了一个统一的统计模型联合归一化和DE检测的对数转换RNA-seq数据。样本特异性归一化因子在基因线性模型中建模为未知参数,并与回归系数联合估计。通过施加稀疏诱导L1惩罚(或多种处理条件下的混合L1/L2范数)对回归系数的影响,仿真结果表明,所提出的模型和算法在检测能力和误检率方面均优于现有的方法,并且在检测性能和误检率方面均优于现有的方法。当超过一半的基因差异表达和/或当DE基因中上调和下调基因的数量不平衡时,阳性率。
2016-10-11 q-bio.GN stat.ME
High-dimensional covariance regression with application to co-expression QTL detection
本文提出一种稀疏协方差回归框架,将协方差矩阵建模为受试者水平协变量的函数,用于检测基因共表达是否随遗传变异变化,并采用块坐标下降算法估计参数,通过实验验证其有效性。
2025-05-26 stat.ME
Gaussian process regression for survival time prediction with genome-wide gene expression
基于他/她的全基因组基因表达预测癌症患者的生存时间仍然是一个具有挑战性的问题。对于某些类型的癌症,基因表达对生存的影响既微弱又丰富,因此很难以合理的准确度识别非零效应。作为使用变量选择的方法的替代方案,我们提出了一个高斯过程加速失效时间模型,使用全基因组或全通路基因表达数据来预测生存时间。使用蒙特卡罗期望最大化算法,我们联合插补截尾对数生存时间和估计模型参数。我们证明了我们的方法的性能和现有的方法在模拟和真实数据分析的优势。我们分析的真实数据来自513名肾透明细胞癌患者,包括生存时间,人口统计学/临床变量和超过20,000个基因的表达。我们的方法是广泛适用的,因为它可以适应右,左,和区间删失的结果;并提供了一种自然的方式来结合多种类型的高维组学数据。实现我们方法的R包可以在线获得。
2018-08-30 stat.ME
Estimating conditional Mann-Whitney effects using pseudo-observation-based regression
Institute of Statistics and Mathematical Economics, RWTH Aachen University(统计与数理经济研究所,亚琛工业大学);Institute for Medical Biometry, Informatics and Epidemiology, University of Bonn, University Hospital Bonn(波恩大学医学院生物统计学、信息学与流行病学研究所,波恩大学医院)
本文提出一种无分布回归模型,通过伪观测方法估计Mann-Whitney效应与协变量的线性关系,并开发了基于bootstrap的假设检验,应用于乳腺癌患者无进展生存期分析。
2026-06-01 math.ST stat.ME stat.TH
A Pseudo-Likelihood Approach to Linear Regression with Partially Shuffled Data
George Mason University(乔治梅森大学);U.S. Census, CSRM(美国人口普查局CSRM)
最近,由于单独的数据收集和数据整合的不确定性,在对应于同一统计单元的匹配对中没有观察到预测因子和响应的情况下,线性回归引起了极大的兴趣。不匹配的配对会显著影响模型拟合并破坏回归参数的估计。在本文中,我们提出了一种方法来调整这种不匹配下的“部分洗牌”,其中一个足够大的部分(预测,响应)对观察到他们的正确对应。所提出的方法是基于伪似然,其中每个术语采取的形式的两个组件的混合物密度。期望最大化方案提出了优化,其中(i)规模有利的样本数量,(ii)实现了优异的统计性能相对于一个预言机,可以访问正确的配对,通过模拟和案例研究验证。特别是,所提出的方法可以容忍相当大的比例的失配比现有的方法,并能够估计的噪声水平以及失配的比例。所得估计量(标准误、置信区间)的推断可以基于复合似然估计的已建立理论。在此过程中,我们还提出了一个统计检验的存在的失配,并建立其一致性在适当的条件下。
2019-10-03 cs.LG stat.ME stat.ML
Bayesian Symbolic Regression
可解释性对于机器学习在许多场景中至关重要,例如定量金融,银行,医疗保健等。符号回归(SR)是一种经典的可解释机器学习方法,通过使用由一些基本函数组成的数学表达式来桥接X和Y。然而,所有可能表达式的搜索空间随着表达式的长度呈指数增长,使得枚举不可行。遗传编程(GP)一直是传统的和常用的SR搜索的最优解,但它遭受了一些限制,例如,在将先验知识的困难,过于复杂的输出表达式和减少可解释性等,为了解决这些问题,我们提出了一种新的方法来适应SR贝叶斯框架下。首先,贝叶斯模型可以自然地结合先验知识(例如,其次,为了提高SR中表达式的可解释性,我们的目标是捕获简洁但信息丰富的信号。为此,我们假设期望信号具有加性结构,即,几个简洁表达式的线性组合,其复杂性由精心设计的先验分布控制。在我们的设置中,每个表达式的特点是一个符号树,和建议的SR模型可以解决采样符号树的后验分布使用一个有效的马尔可夫链蒙特卡罗(MCMC)算法。最后,与GP相比,提出的BSR(贝叶斯符号回归)方法节省了计算机内存,无需保持更新的“基因组池”。数值实验表明,与GP相比,BSR的解更接近于真实值,且表达式更简洁。同时,我们发现BSR的解决方案是强大的超参数规格,如树的数量。
2020-01-16 stat.ME
A comparison of Kaplan--Meier-based inverse probability of censoring weighted regression methods
Aarhus University(奥胡斯大学)
本文针对右删失导致结局缺失的回归问题,比较了三种基于Kaplan--Meier删失概率估计的逆加权回归方法,分析其渐近方差及三明治方差估计量的高估特性,发现最优方法取决于删失分布。
2024-12-10 stat.ME
When to Trust Confidence Thresholding: Calibration Diagnostics for Pseudo-Labelled Regression
Institute for Global Prosperity, The Bartlett, University College London(全球繁荣研究所,巴特利特学院,伦敦大学学院)
本文研究了在回归任务中使用置信度阈值的校准问题,提出了一种校准意识的诊断工具,通过分析残差分数方差预测偏倚,为伪标签流程提供决策规则。
2026-05-12 cs.LG stat.ME stat.ML
Feasible pairwise pseudo-likelihood inference on spatial regressions in irregular lattice grids: the KD-T PL algorithm
本文针对大型不规则格网空间数据中空间误差模型估计的计算难题,提出基于KD树数据结构的KD-T PL算法,通过高效配对观测点并利用闭式表达式加速成对伪似然参数估计,在保持精度的同时显著降低计算成本。
2024-01-11 stat.CO stat.ME
Least Absolute Gradient Selector: Statistical Regression via Pseudo-Hard Thresholding
线性模型中的变量选择在现代统计学中起着举足轻重的作用。硬阈值方法,如$l_0$正则化理论上是理想的,但计算上是不可行的。在本文中,我们提出了一种新的方法,称为LAGS,简称“最小绝对梯度选择器”,这个具有挑战性的有趣的问题,通过模仿离散选择过程的$l_0$正则化。为了在噪声影响下估计$β$,我们考虑如下凸规划[ \hat β = \textrm{arg min} \frac{1}{n} \|X^{T}(y-X β)\|_1 + λ_n \sum_{i = 1}^p w_i(y;X;n)].| β i|] $λ_n > 0$控制稀疏性,$w_i > 0$依赖于$y, X$,$n$是不同$β_i$的权重; $n$是样本量。令人惊讶的是,我们将在本文中显示,无论是几何和分析,LAGS享有两个有吸引力的性质:(1)LAGS表现出离散选择行为和硬阈值性质的$l_0$正则化的战略选择$w_i$,我们称之为“伪硬阈值”;(2)渐近,LAGS是一致的,能够发现真正的模型;非渐近地,LAGS能够识别模型中的稀疏性,并且系数的预测误差在噪声水平上被限制到对数因子- $\log p$,其中$p$是预测因子的数量。在计算上,LAGS可以有效地解决其凸性的凸规划例程或单纯形算法后,重铸成一个线性规划。数值仿真结果表明,LAGS方法在均方误差和模型的简约性方面优于软阈值方法。
2012-10-19 stat.AP stat.ME stat.ML
A regression framework for studying relationships among attributes under network interference
Department of Statistics, The Pennsylvania State University(宾夕法尼亚州立大学统计学系)
该论文提出一个可解释、可扩展且具有理论保证的回归框架,用于建模网络干扰下属性间关系,并通过模拟和仇恨言论数据验证其有效性。
2025-07-01 stat.ME
A doubly robust learner for regression and inference with right-censored outcomes
PFA Pension(PFA养老金);Department of Mathematical Sciences, University of Copenhagen(哥本哈根大学数学科学系)
本文提出适配右删失数据的双重鲁棒非参数回归框架,推导伪结局条件偏差新表示以建立估计量渐近性质,经模拟验证性能并应用于右删失回归间断设计的因果效应估计。
2026-08-04 math.ST stat.ME stat.TH
Predicting phenotypes from microarrays using amplified, initially marginal, eigenvector regression
动机:基因表达测量和表型反应之间的关系的发现受到计算和统计障碍的阻碍。传统的统计方法并不理想,因为它们不能选择相关基因,预测效果不佳,忽略了基因之间未知的相互作用结构,或者计算上难以处理。因此,希望创造新的方法,其可以处理相对少量患者的许多表达测量,同时还揭示基因-基因关系并进行良好预测。结果如下:我们开发了一种新的技术,利用基因表达测量和患者生存结果之间的边缘关系来识别一小部分与预测生存高度相关的基因,基于这一小部分产生低维嵌入,并利用剩余基因的信息放大这种嵌入。我们通过使用基因表达测量来预测弥漫性大B细胞淋巴瘤患者的生存时间来激励我们的方法,说明我们的方法在精心构建的合成示例上的行为,并在许多其他基因表达数据集上进行测试。我们的技术在计算上是易处理的,通常优于其他方法,可扩展到其他表型,并确定不同的基因(相对于现有的方法),为未来可能的研究。关键词:回归;主成分;矩阵草图;预处理可用性:所有的代码和数据都可以在https://github.com/dajmcdon/aimer/上找到。
2019-07-12 stat.ME
Probabilistic Symbolic Regression for Equation Discovery via Operator-induced and Regularized Symbolic Forests
Texas A&M University(德克萨斯农工大学);University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
该研究针对符号回归现有方法不足,引入概率符号回归框架,用符号树集合表示数学表达式,通过正则化先验和后验摘要控制复杂性与捕获不确定性,在理论上得出相关集中保证,实验显示其在多方面表现优越。
2026-08-31 cs.LG cs.SC math.ST
On Robust Pseudo-Bayes Estimation for the Independent Non-homogeneous Set-up
基于后验密度的普通贝叶斯估计在数据污染或离群点情况下存在鲁棒性不强的问题。在本文中,我们考虑了一般的独立但非齐次(INH)的观测设置和研究的鲁棒伪后验估计参数INH模型。特别是,我们专注于由Ghosh和Basu(2016)为IID数据开发的$R^{(α)}$ -后验,后来由Ghosh和Basu(2017)扩展为INH设置,其中其有用性和理想的属性已被数值说明。在本文中,我们研究了详细的理论性质,这个强大的伪贝叶斯$R^{(α)}$ -后验和相关的$R^{(α)}$ -贝叶斯估计下的一般INH设置固定设计回归的应用。得到了$R^{(α)}$-后验估计的Bernstein von-Mises型渐近正态性和Laplace型渐近展开式以及期望$R^{(α)}$ -后验估计的渐近分布.对于误差方差已知或未知的线性回归和协变量固定的逻辑斯谛回归模型,简化了所需条件和渐近结果。的稳健性的$R^{(α)}$ -后验和相关的估计理论上通过适当的影响函数分析下一般INH设置;插图提供的情况下,线性回归。一个高崩溃点的结果,来自预期的$R^{(α)}$后验估计的位置参数下的位置-尺度型模型。一些有趣的真实数据示例说明了可能的应用。
2019-11-27 math.ST stat.ME stat.TH
Covariance Regression based on Basis Expansion
针对高维协方差估计传统方法难以整合外部信息的问题,提出基于基展开的ℓ₁惩罚协方差回归方法,建立非渐近收敛速率,经模拟和肝脏基因共表达分析验证有效。
2025-02-21 stat.ME
A network-based regression approach for identifying subject-specific driver mutations
提出一种基于基因网络辅助的随机效应回归方法,通过开发受试者特异性突变评分量化突变对下游基因表达的影响,从而在癌症基因组学中有效识别受试者特异性的驱动突变。
2023-06-29 stat.ME
Overlapping group logistic regression with applications to genetic pathway selection
在全基因组表达分析中,发现解释感兴趣表型的重要基因长期以来一直具有挑战性。分析,如基因集富集分析(GSEA),纳入途径信息已成为假设检验中广泛使用,但基于途径的方法已在很大程度上缺席回归方法,由于处理重叠途径的挑战和由此产生的缺乏可用的软件。R包grpreg被广泛用于拟合组套索和其他组惩罚回归模型;在本研究中,我们开发了一个扩展grpregOverlap,以允许使用Jacob等人提出的潜在变量方法重叠组结构。我们比较这种方法的普通套索和GSEA使用模拟和真实的数据。我们发现,纳入先前的途径信息大大提高了基因表达分类器的准确性,我们揭示了几种方法,其中假设检验方法,如GSEA不同于回归方法的途径数据的分析。
2016-09-13 stat.ME
Two-Stage Pseudo Maximum Likelihood Estimation of Semiparametric Copula-based Regression Models for Semi-Competing Risks Data
本文面向半竞争风险数据,提出基于 copula 半参数模型的两阶段伪极大似然估计方法,证明渐近性质并验证其更稳健、高效。
2024-10-25 stat.ME
Non-conjugate variational Bayes for pseudo-likelihood mixed effect models
Bocconi University(博科尼大学);University of Padova(帕多瓦大学)
提出一种统一且易编码的非共轭变分贝叶斯算法,通过高斯变分近似和消息传递优化策略,实现通用贝叶斯广义混合效应模型的后验近似,无需数据增强即可处理非共轭先验和非平滑损失,并在计算效率和近似精度上表现优异。
2025-10-13 stat.CO stat.ME
A Dirichlet Process Mixture Model for Clustering Longitudinal Gene Expression Data
亚群识别(聚类)是生物医学研究中的一个重要问题。基因表达谱通常用于定义亚组。纵向基因表达谱可能提供额外的信息,疾病的进展比什么是单独的基线配置文件捕获。此外,纵向基因表达数据允许在对患者分组时考虑个体内变异性。因此,亚组鉴定可以更准确和有效的纵向基因表达数据的帮助。然而,现有的统计方法无法充分利用这些数据进行患者聚类。在这篇文章中,我们介绍了一种新的亚组识别方法在贝叶斯设置的基础上纵向基因表达谱。这种方法称为BClustLonG,采用线性混合效应框架来模拟基因随时间的轨迹,同时基于从所有基因获得的回归系数联合进行聚类。为了解释基因间的相关性和减轻高维的挑战,我们采用因子分析模型的回归系数。利用Dirichlet过程先验分布对回归系数的均值进行聚类。通过大量的仿真研究,我们表明,BClustLonG具有提高性能比其他聚类方法。当应用于严重受伤(烧伤或创伤)患者的数据集时,我们的模型能够区分烧伤患者和创伤患者,并识别创伤患者中有趣的亚组。
2016-09-26 stat.ME
Bandwidth Selection for Gaussian Kernel Ridge Regression via Jacobian Control
University of Gothenburg(哥德堡大学);Chalmers University of Technology(查尔姆斯理工大学)
本文针对高斯核岭回归的带宽选择问题,提出一种基于雅可比控制的闭式启发式方法,在保持与交叉验证和边际似然最大化相当性能的同时,计算速度提升最高达六个数量级。
2023-12-01 cs.LG stat.ME stat.ML