摇摆舞

联合和个体变异解释（JIVE）用于综合分析多种数据类型。现在有几个领域的研究需要对数据集进行分析，在这些数据集中，有多种高维类型的数据可用于一组共同的对象。特别是，癌症基因组图谱（TCGA）包含了来自多种不同基因组技术的数据，这些数据来自同一个癌症肿瘤样本。本文介绍了联合和个别变异解释（JIVE），这是一种对这类数据集进行综合分析的一般变异分解。分解包括三个项：捕获跨数据类型的联合变化的低秩近似，针对每个数据类型的结构化变化的低秩近似，以及残余噪声。JIVE量化了数据类型之间的联合变化量，降低了数据的维数，为节理和单个结构的可视化探索提供了新的方向。该方法是主成分分析的一个推广，与经典相关分析和偏最小二乘法等常用的两个分块方法相比，具有明显的优势。对胶质母细胞瘤多形性肿瘤样本的基因表达和miRNA数据的JIVE分析揭示了基因miRNA的相关性，并提供了更好的肿瘤类型特征。par数据和软件可在https://genome.unc.edu/jive/。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH中的参考文献（参考文献17条)

显示第1到17个结果，共17个。
按年份排序(引用)

  1. 莫兰，凯利R。；邓森，大卫；惠勒，马修W。；Herring，Amy H.：化学结构和剂量反应曲线的贝叶斯联合建模（2021）
  2. 奥塞莱德茨，静脉注射。；Kharyuk，P.V.：用块项分解构造数据：作为参数化混合分布模型的联合张量分解和变分块项分解（2021）
  3. 佩里，罗南；米什勒，加文；郭，理查德；李，西奥多；张，亚历山大；库尔，阿尔曼；弗朗兹，卡梅隆；理查德，雨果；卡迈克尔，伊恩；阿布林，皮埃尔；格拉姆波特，亚历山德拉；Vogelstein，Joshua T.：mvlearn：Python中的多视图机器学习（2021）
  4. 风险，本杰明B。；Gaynanova，Irina:神经影像数据整合的同步非高斯成分分析（SING）（2021）
  5. 罗伊，阿尔卡普拉瓦；拉文，艾萨克；海岭，艾米H。；邓森，大卫B.：扰动因素分析：解释暴露概况中的群体差异（2021年）
  6. 戈迪肯·巴吉奥尼，安托万；毛吉斯·拉布索，凯西；Rau，Andrea:多视图聚类聚集和分裂，应用于多组分乳腺癌数据（2020）
  7. 蜀、海；王、肖；朱宏图：D-CCA：基于分解的高维数据集典型相关分析（2020）
  8. 黄磊；白、嘉威；伊万内斯库，安德拉达；哈里斯，塔玛拉；毛雷尔，马修；格林，菲利普；Zipunnikov，Vadim:多水平矩阵变量分析及其在临床人群中加速度测量体力活动中的应用（2019）
  9. Marron，J.S.：关于“数据科学、大数据和统计”（2019）的评论
  10. Marron，J.S.：讨论：“语言对象数据的空间建模方法：分析英国各地的方言语音变化”（2019年）
  11. 王妙艳；费舍尔，乔纳森；Song，Yun S.：基于半非负张量分解的多组织多个体基因表达数据的三向聚类（2019）
  12. 青岛、Makoto；沈，丹；沈海鹏；Yata，Kazuyoshi；周一辉；Marron，J.S.：高维低样本量渐近性调查（2018）
  13. 冯青；蒋美蕾；汉尼格，简；Marron，J.S.：基于角度的关节和个体变化解释（2018）
  14. Jung，Sungkyu：监督降维的连续统一体方向（2018）
  15. 李，根；Gaynanova，Irina:异构数据关联分析的通用框架（2018）
  16. 李，根；杨丹；诺贝尔，安德鲁B。；沈海鹏：监督奇异值分解及其渐近性质（2016）
  17. 洛克，埃里克F。；霍德利，凯瑟琳A。；马龙，J.S。；Nobel，Andrew B.：用于综合分析多种数据类型的联合和个体差异解释（JIVE）（2013年）