[1] |
A.R.Abbas、K.Wolslegel、D.Seshasayee、Z.Modrusan和H.F.Clark,血液微阵列数据的反卷积识别系统性红斑狼疮的细胞激活模式,公共图书馆,4(2009年),e6098。数字对象标识:10.1371/期刊。小丑。6098
|
[2] |
M.Allen、M.M.Carrasquillo、C.Funk、B.D.Heavner、F.Zou、C.S.Younkin、J.D.Burgess、H.S.Chai、J.Crook、J.A.Eddy等,《老年痴呆症和其他神经退行性疾病的人类全基因组基因型和转录组数据》,科学数据,三(2016), 160089.数字对象标识:10.1038/数据。2016.89.
|
[3] |
M.Allen,X.Wang,J.D.Burgess,J.Watzlawik,D.J.Serie,C.S.Younkin,T.Nguyen,K.G.Malphrus,S.Lincoln,M.M.Carrasquillo等人,阿尔茨海默病和其他神经退行性疾病中的保守脑髓鞘网络发生改变,老年痴呆症。,14(2018), 352-366.数字对象标识:2016年10月10日/j.jalz。2017.09.012.
|
[4] |
F.眼镜蛇, J.Vandesompele公司, P.梅斯塔格和K.De Preter公司,混合细胞群转录组数据的计算反褶积,生物信息学,34(2018), 1969-1979. 数字对象标识:10.1093/bioinformatics/bty019。
|
[5] |
M.Belkin和P.Niyogi,嵌入和聚类的拉普拉斯特征映射和光谱技术神经信息处理系统研究进展, (2002), 585–591.
|
[6] |
S.Boyd、N.Parikh、E.Chu等。,基于乘数交替方向法的分布式优化与统计学习,Now Publishers Inc,2011年。数字对象标识:10.1561/9781601984616.
|
[7] |
D.蔡, 十、他, J.韩和T.S.黄,用于数据表示的图正则化非负矩阵分解,IEEE模式分析和机器智能汇刊,33(2010), 1548-1560. 数字对象标识:10.1109/TPAMI.2010.231。
|
[8] |
D.Cai,X.Wang和X.He,具有局部和全局一致性的概率二元数据分析第26届国际机器学习年会论文集, (2009), 105–112.数字对象标识:10.1145/1553374.1553388.
|
[9] |
Z.苍和Q.聂,从单细胞转录组数据推断细胞之间的空间和信号传导关系,自然通信,11(2020), 1-13.
|
[10] |
M.奇基纳, E.扎斯拉夫斯基和S.C.Sealfon公司,CellCODE:一种稳健的潜在变量方法,用于异质细胞群的差异表达分析,生物信息学,31(2015), 1584-1591. 数字对象标识:10.1093/bioinformatics/btv015。
|
[11] |
A.Cichocki、R.Zdunk、A.H.Phan和S.-i.Amari,非负矩阵和张量因子分解:在探索性多路数据分析和盲源分离中的应用,John Wiley&Sons,2009年。数字对象标识:10.1002/9780470747278.
|
[12] |
M.D.克雷格,遥感数据的最小体积变换,IEEE地球科学与遥感汇刊,32(1994), 542-552. 数字对象标识:10.1109/36.297973.
|
[13] |
A.Cui、G.Quon、A.M.Rosenberg、R.S.Yeung、Q.Morris和B.S.Consortium,基因表达反褶积用于揭示分子特征以应对青少年特发性关节炎的治疗,公共图书馆,11(2016),e0156055。数字对象标识:10.1371/期刊。小丑。156055
|
[14] |
S.Darmanis公司, S.A.斯隆, Y.Zhang先生, 工程硕士, C.卡内达, L.M.舒尔, M.G.H.Gephart先生, B.A.巴雷斯和S.R.地震,单细胞水平人脑转录组多样性调查,美国国家科学院院刊,112(2015), 7285-7290. 数字对象标识:10.1073/pnas.1507125112。
|
[15] |
H.M.戴维和D.B.凯尔,流式细胞术和异质微生物种群的细胞分类:单细胞分析的重要性,微生物学评论,60(1996), 641-696. 数字对象标识:10.1128/mr.60.4.641-696.1996。
|
[16] |
D.德·里德, C.E.范德林登, T.肖内维尔, W.D.迪克, M.J.T.莱因德斯, J.Van Dongen先生和F.斯塔尔,纯度清晰:dna微阵列研究中对肿瘤细胞纯化的需要,白血病,19(2005), 618-627. 数字对象标识:10.1038/sj.leu.2403685。
|
[17] |
P.L.De Jager,Y.Ma,C.McCabe,J.Xu,B.N.Vardarajan,D.Felsky,H.U.Klein,C.C.White,M.A.Peters,B.Lodgson等人,《人类额叶皮质衰老和阿尔茨海默病研究的多组学图谱》,科学数据,5(2018), 180142.数字对象标识:10.1038/数据。2018.142.
|
[18] |
D.Donoho和V.Stodden,非负矩阵因式分解何时给出正确的分解?,在里面神经信息处理系统研究进展, (2004), 1141–1148.
|
[19] |
L.德鲁梅茨, T.R.梅耶, J.查努索特, A.L.贝托齐和C.朱顿、高光谱图像分解与端元束和群稀疏性混合导致混合范数,IEEE图像处理汇刊,28(2019), 3435-3450. 数字对象标识:10.1109/TIP.2019.2897254。
|
[20] |
J.埃克斯坦和W.姚明,凸优化的增广拉格朗日法和交替方向法:教程和一些说明性的计算结果,RUTCOR研究报告,32(2012), 44.
|
[21] |
W.H.弗里德曼, F.页码, C.索特斯·弗里德曼和J.加隆《人类肿瘤中的免疫环境:对临床结果的影响》,《自然》杂志评论癌症,12(2012), 298-306. 数字对象标识:10.1038/nrc3245。
|
[22] |
十、傅, K.Huang(黄光裕), N.D.西迪罗普洛斯和W.-K.马,用于信号和数据分析的非负矩阵分解:可识别性、算法和应用,IEEE信号处理。美格。,36(2019), 59-80. 数字对象标识:10.1109/MSP.2018.2877582。
|
[23] |
十、傅, W.-K.马, T.-H.Chan和J.M.Bioucas-Dias公司,用于高光谱分解的自字典稀疏回归:贪婪追求和纯像素搜索相关,IEEE信号处理专题杂志,9(2015), 1128-1141. 数字对象标识:10.1109/JSTSP.2015.2410763。
|
[24] |
R.高茹(R.Gaujoux)和C.Seoighe公司,用于基因表达反褶积的半监督非负矩阵分解:一个案例研究,感染、遗传学和进化,12(2012), 913-921. 数字对象标识:10.1016/j.meegid.2011.08.014。
|
[25] |
N.Gillis,非负矩阵分解:复杂性、算法和应用卢万天主教大学未发表博士论文。Louvain-La-Neuve:核心,2011年。
|
[26] |
T.龚和J.D.苏斯塔科夫斯基,DeconRNASeq:基于mRNA-Seq数据的异质组织样本反褶积的统计框架,生物信息学,29(2013), 1083-1085. 数字对象标识:10.1093/bioinformatics/btt090。
|
[27] |
H.Harrington、E.Drellich、A.Gainer-Dewar、Q.He、C.Heitsch和S.Poznanovic,几何组合学和计算分子生物学:Rna序列的分支多位点, 2017.
|
[28] |
X.He和P.Niyogi,位置保持投影,in神经信息处理系统研究进展, (2004), 153–160.
|
[29] |
K.Huang(黄光裕), N.D.西迪罗普洛斯和A.斯瓦米,重温非负矩阵分解:对称分解的唯一性和算法,IEEE信号处理汇刊,62(2014), 211-224. 数字对象标识:10.1109/TSP.2013.2285514。
|
[30] |
S.Jin公司, L.张和Q.聂,Scai:一种用于平行单细胞转录组学和表观基因组图谱综合分析的无监督方法,基因组生物学,21(2020), 1-19.
|
[31] |
K.Kang、Q.Meng、I.Shats、D.M.Umbach、M.Li、Y.Li、X.Li和L.Li,Cdseq:一种新的完全反褶积方法,用于使用基因表达数据解剖异质样本,计算生物学,15(2019),e1007510。数字对象标识:10.1371/期刊。pcbi。1007510
|
[32] |
H.金和H.公园,基于交替非负约束最小二乘和活动集方法的非负矩阵分解,SIAM矩阵分析与应用期刊,30(2008), 713-730. 数字对象标识:10.1137/07069239倍。
|
[33] |
A.库恩, A.库马尔, A.贝利纳, A.迪尔曼, M.R.库克森和A.B.辛格尔顿,人类小脑的细胞群体特异性表达分析,BMC基因组学,13(2012), 1-15. 数字对象标识:10.1186/1471-2164-13-610.
|
[34] |
A.库恩, D.周四, H.J.沃尔德沃格尔, R.L.福尔和R.Luthi-Carter先生,群体特异性表达分析(PSEA)揭示了患病大脑中的分子变化,自然方法,8(2011), 945-947. 数字对象标识:10.1038/nmeth.1710。
|
[35] |
B.B.Lake、S.Chen、B.C.Sos、J.Fan、G.E.Kaeser、Y.C.Yung、T.E.Duong、D.Gao、J.Chun、P.V.Kharchenko等,《成人大脑转录和表观遗传状态的单细胞综合分析》,自然生物技术,36(2018), 70-80.数字对象标识:10.1038/nbt.4038。
|
[36] |
H.Laurberg、M.G.Christensen、M.D.Plumbley、L.K.Hansen和S.H.Jensen,正数据定理:关于NMF的唯一性,计算智能与神经科学,(2008),文章ID 764206。数字对象标识:10.1155/2008/764206.
|
[37] |
D.D.Lee博士和H.S.Seung先生,通过非负矩阵分解学习对象的各个部分,自然,401(1999), 788-791. 数字对象标识:10.1038/44565.
|
[38] |
D.Lee和H.S.Seung,非负矩阵分解算法,神经信息处理系统研究进展,13(2000).
|
[39] |
W.-K.马, J.M.Bioucas-Dias公司, T.-H.Chan先生, N.吉利斯, P.加德, A.J.广场, A.Ambikapathi先生和C.-Y.Chi先生《高光谱解混的信号处理视角:来自遥感的见解》,IEEE信号处理杂志,31(2013), 67-81. 数字对象标识:10.1109平方米.2013.2279731。
|
[40] |
A.T.McKenzie、S.Moyon、M.Wang、I.Katsyv、W.-M.Song、X.Zhou、E.B.Dammer、D.M.Duong、J.Aaker、Y.Zhao等人,少突胶质细胞的多尺度网络建模揭示了阿尔茨海默病中髓鞘失调的分子组分,分子神经退行性疾病,12(2017),文章编号:82。数字对象标识:10.1186/s13024-017-0219-3。
|
[41] |
S.穆罕默德, N.扎克曼, A.戈德史密斯和A.格拉玛《复杂组织中分离细胞类型的反褶积方法的批判性综述》,IEEE会议记录,105(2016), 340-366. 数字对象标识:10.1109/JPROC.2016.2607121。
|
[42] |
S.Mostafavi,C.Gaiteri,S.E.Sullivan,C.C.White,S.Tasaki,J.Xu,M.Taga,H.U.Klein,E.Patrick,V.Komashko等人,衰老人脑的分子网络为阿尔茨海默病的病理学和认知衰退提供了见解,自然神经科学,21(2018), 811-819.数字对象标识:10.1038/s41593-018-0154-9。
|
[43] |
A.M.纽曼, C.L.刘, M.R.格林, A.J.绅士, W·冯, Y.Xu先生, C.D.Hoang先生, M.迪恩和A.A.Alizadeh(阿利扎德),组织表达谱中细胞亚群的稳健计数,自然方法,12(2015), 453-457. 数字对象标识:10.1038/nmeth.3337。
|
[44] |
J.Nocedal和S.J.Wright,数值优化《施普林格科学与商业媒体》,2006年。
|
[45] |
P.帕特罗和U.开孔器,正矩阵因式分解:一个非负因子模型,可优化利用数据值的误差估计,环境计量学,5(1994), 111-126. 数字对象标识:10.1002/env.3170050203。
|
[46] |
W.Qiao,G.Quon,E.Csaszar,M.Yu,Q.Morris,and P.W.Zandstra,PERT:一种从不同微环境和发育条件中对人类血液样本进行表达反褶积的方法,公共科学图书馆计算。生物。,8(2012),e1002838。数字对象标识:10.1371/期刊。pcbi。1002838
|
[47] |
J.Qin,H.Lee,J.T.Chi,Y.Lou,J.Chanussot和A.L.Bertozzi,基于拉普拉斯图的快速盲高光谱分解,in2019年第十届高光谱成像和信号处理研讨会:遥感发展(WHISPERS),IEEE,(2019),1-5。数字对象标识:10.1109/窃窃私语。2019.8921375。
|
[48] |
D.补货员, S.科恩, A.特拉尔, G.沃尔兹尔, G.F.黑色, J.塞尔比格, S.K.Parida公司, S.H.考夫曼和M.雅各布森、在异质组织样本中发现生物标记物——采用硅内去铸造方法,BMC生物信息学,11(2010), 1-15. 数字对象标识:10.1186/1471-2105-11-27.
|
[49] |
S.S.Shen-Orr公司和R.高茹(R.Gaujoux)计算反褶积:从异质样本中提取细胞类型特定信息,免疫学新观点,25(2013), 571-578. 数字对象标识:10.1016/j.coi.2013.09.015。
|
[50] |
S.S.Shen-Orr公司, R.蒂比拉尼, P.卡特里, D.L.Bodian博士, F.斯塔德勒, N.M.佩里, T.哈斯蒂, M.M.Sarwal先生, M.M.戴维斯和A.J.巴特、复杂组织中细胞类型特异性基因表达差异,自然方法,7(2010), 287-289. 数字对象标识:10.1038/nmeth.1439。
|
[51] |
D.苏卡斯, R.Dong先生, H.陈, Q.朱, G.郭和G.-C.元,根据基因表达数据准确估计细胞类型组成,自然通信,10(2019), 1-9. 数字对象标识:10.1038/s41467-019-10802-z。
|
[52] |
U.Von Luxburg公司,光谱聚类教程,统计与计算,17(2007), 395-416. 数字对象标识:10.1007/s11222-007-9033-z。
|
[53] |
W.Wang和M.A.Carreira-Perpinán,概率单纯形上的投影:一个具有简单证明的有效算法和一个应用,arXiv预印本,arXiv公司:1309.1541, 2013.
|
[54] |
Y.-X.王和Y.-J.张,非负矩阵分解:综述,IEEE知识与数据工程汇刊,25(2012), 1336-1353. 数字对象标识:10.1109/TKDE.2012.51。
|
[55] |
R.E.沃伦和S.J.Osher、利用乘数交替方向法进行高光谱解混,反问题与成像,9(2015), 917-933. 数字对象标识:10.3934/ipi.2015.9.917。
|
[56] |
A.R.惠特尼, M.迪恩, S.J.波普尔, A.A.Alizadeh(阿利扎德), J.C.波尔德里克, D.A.Relman博士和P.O.布朗人类血液中基因表达模式的个体性和变异,美国国家科学院院刊,100(2003), 1896-1901. 数字对象标识:10.1073/pnas.252784499。
|
[57] |
K.扎伊采夫, M.班布斯科娃, A.Swain公司和M.N.Artyomov先生,基于转录特征线性的细胞混合物的完全反褶积,自然通信,10(2019), 1-16. 数字对象标识:10.1038/s41467-019-09990-5。
|
[58] |
J.张, Q.聂和T·周,从单细胞转录组数据揭示细胞命运决定的动态机制,遗传学前沿,10(2019), 1280. 数字对象标识:10.3389/fgene.2019.01280。
|
[59] |
S.Zhang,W.Wang,J.Ford和F.Makedon,使用非负矩阵因子分解从不完全评级中学习2006年SIAM国际数据挖掘会议记录,SIAM,(2006),549–553。
|
[60] |
Y.Zhang,S.A.Sloan,L.E.Clarke,C.Caneda,C.A.Plaza,P.D.Blumenthal,H.Vogel,G.K.Steinberg,M.S.Edwards,G.Li等人,祖细胞和成熟人类星形胶质细胞的纯化和表征揭示了与小鼠的转录和功能差异,神经元,89(2016), 37-53数字对象标识:10.1016/j.神经元。2015.11.013.
|
[61] |
Y.Zhong先生, Y.-W.万, K.Pang公司, L·M·周和Z.刘,对复杂组织进行数字排序,以获取细胞类型特异性基因表达谱,BMC生物信息学,14(2013), 89. 数字对象标识:10.1186/1471-2105-14-89.
|