李，范;张南希R。 结构化高维协变量空间中的贝叶斯变量选择及其在基因组学中的应用。 （英语） Zbl 1390.62027号 美国统计协会。 105，第491号，第1202-1214页（2010年）. 摘要：我们考虑了高维空间中回归建模中的变量选择问题，其中协变量之间存在已知结构。这是一个非常规的变量选择问题，原因有两个：（1）协变量空间的维数与研究中的受试者数量相当，而且通常要大得多；（2）协变量空间是高度结构化的，在某些情况下，最好将此结构信息纳入模型构建过程中。我们通过贝叶斯变量选择框架来处理这个问题，在这个框架中，我们假设协变量位于无向图上，并在模型空间上形成一个伊辛先验，用于合并结构信息。某些计算和统计问题的出现是这种高维结构化设置所特有的，最有趣的是相变现象。我们提出了理论和计算方案来缓解这些问题。我们举例说明方法研究两种不同的图结构：线性链和度（k）正则图。最后，我们使用我们的方法来研究基因组学中的一个特定应用：DNA序列中转录因子结合位点的建模。 引用于41文件 MSC公司： 62F07型 统计排名和选择程序 2015年1月62日 贝叶斯推断 62J05型 线性回归；混合模型 62页第10页 统计学在生物学和医学中的应用；元分析 关键词：伊辛模型;MCMC公司;基序分析;相变;无向图 PDF格式BibTeX公司 XML格式引用 \textit{F.Li}和\textit{N.R.Zhang}，J.Am.Stat.Assoc.105，No.491，1202--1214（2010；Zbl 1390.62027） 全文： 内政部 链接