摘要
在高通量基因组数据尤其是单细胞RNA测序的背景下，从观测数据估计图形结构的问题越来越引起人们的兴趣。然而，这些都是具有挑战性的应用，因为数据由高方差的高维计数和过多的零组成。在这里，我们基于零膨胀负二项分布，提出了一个从单细胞RNA-seq数据学习图结构的一般框架。我们通过仿真演示了我们的方法能够在各种设置下检索图形的结构，并且我们展示了该方法在实际数据上的实用性。
资金筹措表
DR得到了意大利教育和大学研究部授予的“Giovani Ricercatori Rita Levi Montalcini项目”以及美国国立卫生研究院国家癌症研究所（U24CA180996）的支持。
TKHN得到了意大利教育和大学研究部授予帕多瓦大学统计科学系的优秀项目“复杂数据的统计方法和模型”的支持。
KVDB是比利时-美国教育基金会（BAEF）的博士后研究员，由佛兰德斯研究基金会（FWO）资助，资助1246220N。
这项工作得到了硅谷社区基金会顾问基金Chan Zuckerberg Initiative DAF的CZF2019-002443（DR和TKHN）的部分支持。
致谢
作者感谢Diya Das、Rebecca Chance和John Ngai提供数据访问，并帮助对结果进行生物学解释。
Davide Risso的其他附属机构：帕多瓦大学帕多瓦网络医学中心。
Koen Van den Berge目前的地址：Janssen R&D，Beerse，Belgium。
引用
下载引文
Thi Kim Hue Nguyen先生。
科恩·范登贝尔热（Koen van den Berge）。
莫妮卡·奇奥尼亚。
大卫·里索。
“应用于单细胞RNA测序数据的零膨胀计数的结构学习。”
附录申请。斯达。
17
(3)
2555 - 2573,
2023年9月。
https://doi.org/10.1214/23-AOAS1732
问询处
收到日期：2022年3月1日;修订日期：2022年10月1日;发布日期：2023年9月
欧几里德项目首次推出：2023年9月7日
数字对象标识符：10.1214/23-AOAS1732
关键词：图形模型,单细胞RNA-seq,结构学习,零膨胀计数
版权所有©2023数学统计研究所
