布莱恩·尼隆;钟东军 LZIP：相关零膨胀计数的贝叶斯潜在因子模型。 （英语） Zbl 1366.62234号 生物计量学 73，第1期，185-196（2017）. 摘要：基于乳腺癌患者之间分子差异的研究，我们开发了一个贝叶斯潜伏因子零膨胀泊松（LZIP）模型，用于分析相关零膨胀计数。响应被建模为独立的零膨胀泊松分布，条件是一组特定主题的潜在因素。对于每个结果，我们将LZIP模型表示为两个离散随机变量的函数：第一个变量捕获处于潜在“风险”状态的倾向，而第二个变量表示以处于风险状态为条件的计数响应。潜在因素和负荷是根据条件共轭伽马先验分配的，以适应结果之间的过度分散和依赖性。对于后验计算，我们提出了一种有效的数据增强算法，该算法主要依赖于易于采样的Gibbs步长。我们进行了仿真研究，以研究模型的推断特性和所提出的采样算法的计算能力。我们将该方法应用于分析来自癌症基因组图谱的乳腺癌基因组数据。 引用于三文件 MSC公司： 62页第10页 统计学在生物学和医学中的应用；元分析 2015年1月62日 贝叶斯推断 关键词：贝叶斯分析;癌症基因组学;数据增强;潜在因素模型;负多项式分布;零膨胀泊松模型;潜在因子零膨胀泊松（LZIP）模型 软件：对;pscl公司 PDF格式BibTeX公司 XML格式引用 \textit{B.Neelon}和\textit{D.Chung}，《生物计量学》73，第1期，185--196（2017；Zbl 1366.62234） 全文： 内政部 参考文献： [1] 美国癌症协会2013年乳腺癌事实和数字2013-2014年 [2] 《人类乳腺肿瘤的综合分子肖像》，《自然》第490页，第61页–（2012年）·doi:10.1038/nature11412 [3] 邓森，混合离散结果的贝叶斯潜在变量模型，生物统计学6 pp 11–（2005）·Zbl 1069.62094号 ·doi:10.1093/biostatistics/kxh025 [4] Fox，带潜在预测因子的多元零膨胀模型：建模反馈行为，计算统计与数据分析68，第361页–（2013）·Zbl 1471.62062号 ·doi:10.1016/j.csda.2013.07.003 [5] Gelman，通过已实现的差异对模型适用性进行后验预测评估，《中国统计》第6期第733页-（1996）·Zbl 0859.62028号 [6] Geweke，J.1992评估基于抽样方法计算后验矩的准确性J.M.Bernardo J.O.Berger A.P.Dawid A.F.M.Smith Bayesian统计学4 [7] 郭，集群事件计数的负多项式回归模型，社会学方法37，第59页–（1996） [8] Heckman，作为规范误差的样本选择偏差，计量经济学47第153页–（1979）·Zbl 0392.62093号 ·doi:10.2307/1912352 [9] Heilbron、Zero-catered和其他加零计数数据回归模型，《生物医学杂志》36页531–（1994）·兹比尔0846.62053 ·doi:10.1002/bimj.4710360505 [10] Jackman，S.2015 pscl:斯坦福大学政治科学计算实验室研发的R类和方法 [11] Lambert，零膨胀泊松回归，及其在制造缺陷中的应用，Technometrics 34 pp 1–（1992）·Zbl 0850.62756号 ·doi:10.2307/1269547 [12] Liu，乳腺癌协同驱动途径的识别，BMC Genomics 15 pp 605–（2014）·doi:10.1186/1471-2164-15-605 [13] 《统计与计算》，Lunn，10 pp 325–（2000）·doi:10.1023/A:1008929526011 [14] Majumdar，计数数据的双变量零膨胀回归：应用于植物计数的贝叶斯方法，《国际生物统计杂志》6第27页–（2010）·doi:10.2202/1557-4679.1229 [15] Mossesson，Derailed内吞作用：癌症的一个新特征，《自然评论癌症》8第835页–（2008）·doi:10.1038/nrc2521 [16] Neelon，《重复测量零膨胀计数数据的贝叶斯模型及其在门诊精神病服务中的应用》，《统计建模》10，第421页–（2010年）·doi:10.1177/1471082X0901000404 [17] Papastamoulis，基于人工分配的混合分布贝叶斯分析中标签切换问题的解决方案，计算与图形统计杂志，19页，313–（2010）·doi:10.1198/jcgs.2010.09008 [18] Parker，基于内在亚型的乳腺癌风险预测值监管，《临床肿瘤学杂志》27页1160–（2009）·doi:10.1200/JCO.2008.1370 [19] R核心团队2015 R:统计计算语言和环境 [20] Vuong，模型选择和非嵌套假设的似然比检验，《计量经济学》57页307–（1989）·Zbl 0701.62106号 ·doi:10.2307/1912557 [21] Watanabe，Bayes交叉验证的渐近等价性和奇异学习理论中广泛适用的信息准则，《机器学习研究杂志》第3571页–（2010）·Zbl 1242.62024号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。