×
公园，巨云;Kyung、Minjung

微阵列数据的贝叶斯曲线拟合和Dirichlet过程混合模型聚类。 （英语） Zbl 1416.62615号

J.韩国统计学会。 207-220（2019）第2期第48号.
摘要：在分子生物学领域，分析微阵列数据以根据相似的基因表达谱聚类基因，以识别在多种生物条件下差异表达的基因，通常是很有意义的。基因表达谱的一个显著特征是它在一段时间内显示出循环曲线。为了对相似分子函数的序列进行分组，我们提出了一种线性回归模型的贝叶斯狄利克雷过程混合，该模型具有回归系数的傅立叶级数，其中每个回归系数都假设有尖峰和平板先验。提出了一种全吉布斯采样算法，用于马尔可夫链蒙特卡罗（MCMC）后验计算。由于所谓的“标签切换”问题以及MCMC计算期间的不同簇数A.弗里奇和K.伊克斯塔特【贝叶斯分析4，第2期，367–391（2009；Zbl 1330.62249号)]通过最大化后验期望调整后的Rand指数，并将两个观测值的后验概率聚集在一起，进一步应用于MCMC样本，以获得最佳单聚类估计。用两个模拟数据和一个真实数据对成纤维细胞对血清的生理反应进行了说明V.R.Iyer公司等【《人类成纤维细胞对血清反应的转录程序》，《科学》283，第5398期，第83–87页（1999年；doi:10.1126/science.283.5398.83)].

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
62H30型 分类和区分；聚类分析（统计方面）

关键词：

时间循环基因表达谱;Dirichlet工艺混合物;傅里叶级数;变量选择;标签切换;调整后的兰特指数

引文：

Zbl 1330.62249号

软件：

fda（右）;半标准杆;麦克鲁斯特
PDF格式BibTeX公司 XML格式引用
\textit{J.-H.Park}和\textit{M.Kyung}，J.Korean Stat.Soc.48，No.2，207--220（2019；Zbl 1416.62615）
全文： 内政部

参考文献：

[1] 安吉里尼，C。；De Canditis，D。；Pensky，M.，使用功能贝叶斯无限混合模型聚类时间进程微阵列数据，应用统计杂志，39，129-149（2012）·Zbl 1514.62218号
[2] Antoniak，C.E.，Dirichlet过程的混合及其在贝叶斯非参数问题中的应用，《统计年鉴》，21152-1174（1974）·Zbl 0335.60034号
[3] Binder，D.A.，贝叶斯聚类分析，生物统计学，65，31-38（1978）·Zbl 0376.62007号
[4] Brown，P.J。；Vannucci，M。；Fearn，T.，《多元贝叶斯变量选择和预测》，英国皇家统计学会杂志。B系列，60，627-641（1998）·Zbl 0909.62022号
[5] 克莱德，M。；George，E.，《模型不确定性》，《统计科学》，第19期，第81-94页（2004年）·Zbl 1062.62044号
[6] Crandell，J.L。；Dunson，D.B.，功能聚类非参数模型的后验模拟，Sankhya B，73，42-61（2011）·Zbl 1230.62083号
[7] 医学博士埃斯科瓦尔。；West，M.，使用混合物的贝叶斯密度估计和推断，美国统计协会杂志，90577-588（1995）·Zbl 0826.62021号
[8] Ferguson，T.S.，一些非参数问题的贝叶斯分析，《统计年鉴》，1209-230（1973）·Zbl 0255.62037号
[9] Ferguson，T.S.，概率测度空间上的先验分布，《统计年鉴》，2615-629（1994）·Zbl 0286.62008号
[10] 弗雷利，C。；Raftery，A.E.，基于模型的聚类、判别分析和密度估计，美国统计协会杂志，97，611-631（2002）·Zbl 1073.62545号
[11] 弗雷利，C。；Raftery，A.E。；墨菲，T.B。；Srucca，L.，Mclust版本4 R：基于模型的聚类、分类和密度估计的正态混合建模第597号技术报告。（2012），华盛顿大学统计系
[12] 弗里奇，A。；Ickstadt，K.，基于后验相似矩阵的改进聚类标准，Bayesan分析，4367-392（2009）·Zbl 1330.62249号
[13] Frühwirth-Schnatter，S。；Kaufmann，S.，基于模型的多重时间序列聚类，《商业与经济统计杂志》，26，78-89（2008）
[14] 乔治，E.I。；Foster，D.P.，校准和经验贝叶斯变量选择，生物统计学，87，731-747（2000）·Zbl 1029.62008号
[15] 乔治，E.I。；McCulloch，R.E.，《通过吉布斯抽样进行变量选择》，《美国统计协会杂志》，88，881-889（1993）
[16] 乔治，E.I。；McCulloch，R.E.，《贝叶斯变量选择方法》，《中国统计》，第7339-373页（1997年）·Zbl 0884.62031号
[17] 休伯特，L。；Arabie，P.，比较分区，分类杂志，2193-218（1985）
[18] Ishwaran，H。；Rao，J.S.，Spike and slab variable selection:Frequencist and Bayesian strategies，《统计学年鉴》，33730-7773（2005）·Zbl 1068.62079号
[19] Ishwaran，H。；Zarepour，M.，近似Dirichlet和beta双参数过程层次模型中的马尔可夫链蒙特卡罗，Biometrika，87，371-390（2000）·兹比尔0949.62037
[20] V.R.Iyer。；艾森，M.B。；Ross，D.T。；舒勒，G。；摩尔，T。；Lee，J.C.F.，人类成纤维细胞对血清反应的转录程序，《科学》，28383-87（1999）
[21] Kim，J。；Kyung，M.，基因表达数据的贝叶斯傅里叶聚类，统计学中的通信。模拟与计算，46，6475-6494（2017）·Zbl 1462.62387号
[22] Lian，H.，高维聚类问题的稀疏贝叶斯层次模型，多元分析杂志，1011728-1737（2010）·Zbl 1188.62137号
[23] Liang，P.，Petrov，S.，Jordan，M.&Klein，D.（2007年）。使用分层Dirichlet过程的无限PCFG。在程序。2007年自然语言处理实证方法会议; Liang，P.，Petrov，S.，Jordan，M.&Klein，D.（2007年）。使用分层Dirichlet过程的无限PCFG。在程序。2007年自然语言处理实证方法会议
[24] Malsiner Walli，G.公司。；Frühwirth-Schnatter，S。；Grün，B.，基于稀疏有限高斯混合的基于模型的聚类，统计与计算，26，303-324（2016）·Zbl 1342.62109号
[25] 米切尔·T·J。；Beauchamp，J.J.，线性回归中的贝叶斯变量选择，美国统计协会杂志，83，1023-1032（1988）·Zbl 0673.62051号
[26] Nguyen，X。；Gelfand，A.，聚类功能数据的Dirichlet标记过程，中国统计局，211249-1289（2011）·Zbl 1223.62104号
[27] Ramsay，J。；Silverman，B.W.，功能数据分析（2005），Springer Science&Business Media·Zbl 1079.62006号
[28] Ray，S。；Mallick，B.，《贝叶斯小波方法的函数聚类》，英国皇家统计学会杂志。B系列，68，305-332（2006）·兹比尔1100.62058
[29] 理查森，S。；Green，P.J.，《关于成分数量未知的混合物的贝叶斯分析》，《皇家统计学会杂志》。B系列，59731-792（1997）·Zbl 0891.62020号
[30] Ruppert博士。；魔杖。M.P。；Carroll，R.J.，《半参数回归》（2003），剑桥大学出版社·兹比尔1038.62042
[31] A.J.Saurez。；Ghosal，S.，使用局部特征对功能数据进行贝叶斯聚类，贝叶斯分析，11，71-98（2016）·Zbl 1359.62264号
[32] 斯卡帕，B。；Dunson，D.，《功能数据的强化破胶过程》，《美国统计协会杂志》，109647-660（2014）·Zbl 1367.62096号
[33] Scheipl，F。；Fahrmeir，L。；Kneib，T.，《结构化加性回归模型中函数选择的尖峰和板先验》，《美国统计协会杂志》，1071518-1532（2012）·Zbl 1258.62082号
[34] Sethuraman，J.，Dirichlet先验的构造性定义，《统计》，4639-650（1994）·Zbl 0823.62007号
[35] Stephens，M.，《处理混合模型中的标签切换》，《皇家统计学会杂志》。B系列，62795-809（2000）·Zbl 0957.62020号
[36] Yen，T.-S.，《使用尖峰和平谷优先级进行变量选择的优化-最小化方法》，《统计年鉴》，39，1748-1775（2011）·Zbl 1220.62065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。