×
吴一冲;李铁军;刘小平;陈洛南

通过带交叉变量的融合D-迹损失进行微分网络推理。 （英语） Zbl 1439.62232号

电子。J.统计。 14，第1期，1269-1301（2020）.
摘要：检测生物相互作用网络的变化在生物学和医学研究中具有重要意义。我们提出了一个简单的损失函数，称为CrossFDTL，通过估计高斯假设下两个精度矩阵之间的差异来识别网络变化或微分网络。CrossFDTL是所考虑的两个网络的D-迹损失的自然融合，它通过对微分矩阵施加（ell_1）惩罚来确保稀疏性。我们方法的关键是利用交叉变量，它们对应于两个精度矩阵的和和差，而不是使用它们的原始形式。此外，我们为所提出的损失函数开发了一种有效的最小化算法，并进一步严格证明了其收敛性。数值结果表明，对于模拟数据和实际数据，我们的方法在精度和收敛速度上都优于现有方法。

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
62G05型 非参数估计
92B15号机组 普通生物统计学
65K10码 数值优化和变分技术
62-08 统计问题的计算方法

关键词：

微分网络;高斯假设;熔接D-迹线损耗;交叉变量;坐标下降

软件：

阿拉伯国家石油公司;格尔姆奈特;魁北克
PDF格式BibTeX公司 XML格式引用
\textit{Y.Wu}等人，《电子》。J.Stat.14，No.1，1269--1301（2020；Zbl 1439.62232）
全文： 内政部 欧几里得

参考文献：

[1] Barzel，B.和Barabási，A.-L.（2013）。通过间接关联的全局沉默进行网络链接预测。，自然生物技术31 720-725。
[2] Cai，T.、Liu，W.和Luo，X.（2011）。稀疏精度矩阵估计的约束（l_1）最小化方法。，美国统计协会杂志106 594-607·Zbl 1232.62087号 ·doi:10.1198/jasa.2011.tm10155
[3] Danaher，P.、Wang，P.和Witten，D.M.（2014）。多类协方差逆估计的联合图形套索。，《皇家统计学会杂志》76 373-397·Zbl 07555455号
[4] Dempster，A.P.（1972年）。协方差选择。，生物统计学28 157-175。
[5] Eisen，M.B.、Spellman，P.T.、Brown，P.O.和Botstein，D.（1998年）。全基因组表达模式的聚类分析和显示。，《美国国家科学院院刊》95 14863-14868。
[6] Fan，J.、Wang，W.和Zhu，Z.（2016）。重尾数据的收缩原理：高维稳健低秩矩阵恢复。，arXiv预打印arXiv:1603.08315·Zbl 1479.62034号
[7] Feizi，S.、Marbach，D.、Médard，M.和Kellis，M.（2013）。网络反褶积作为区分网络中直接相关性的一般方法。，自然生物技术31 726-733。
[8] Friedman，J.、Hastie，T.和Tibshirani，R.（2010）。广义线性模型的坐标下降正则化路径。，统计软件杂志33 1-22。
[9] Hluskova，A.、Bielik，P.、Bonczek，O.、Balcar，V.和O，S.（2017年）。AXIN2基因突变是牙齿发育不全和癌症的危险因素：综述。，神经内分泌学快报38 131-137。
[10] Xieh，C.-J.、Dhillon，I.S.、Ravikumar，P.K.和Sustik，M.A.（2011年）。使用二次近似的稀疏逆协方差矩阵估计。年，神经信息处理系统进展24。麻省理工学院出版社，剑桥·Zbl 1319.65048号
[11] Xieh，C.-J.、Sustik，M.A.、Dhillon，I.S.和Ravikumar，P.（2014）。QUIC：稀疏逆协方差估计的二次近似。，机器学习研究杂志15 2911-2947·Zbl 1319.65048号
[12] Huang，T.，Wang，L.，Liu，D.，Li，P.，Xiong。FGF7/FGFR2信号通过上调血小板反应蛋白-1促进胃癌的侵袭和迁移，国际肿瘤学杂志50 1501。
[13] Kim，H.S.、Chon，H.J.、Kim，H。、Shin，S.J.，Wacheck，V.、Gruver，A.M.、Kin，J.S.，Rha，S.Y.和Chung，H.C.（2018年）。胃癌肝转移中的MET：原发性胃癌和肝转移中MET扩增和MET过度表达的关系。，外科肿瘤学杂志117 1679-1686。
[14] Li，Y.，Jin，K.，van Pelt，G.W.，van，D.H.，Yu，X.，Mesker，W.E.，Ten，D.P.，Zhou，F.和Zhang，L.（2016）。c-Myb通过Wnt/\（β\）-catenin/Axin2途径增强乳腺癌的侵袭和转移。，癌症研究76 3364。
[15] Liu，H.，Mastriani，E.，Yan，Z.Q.，Yin，S.Y.，Zheng，Z.，Hong，W.，Li，Q.H.，Liu，H.Y.，Wang，X.和Bao，H.X.（2016）。SOX7与Axin-2共同调节Wnt/（β）-catenin信号：两者在乳腺癌中均呈低水平表达。，科学报告6 26136。
[16] MA、R.-R、AR、A.-V.、LI、W.C.、P、B.-N.、MP、G.-A.、SE、F.-M.和J、S.-C.（2016）。墨西哥患者AXIN2多态性及其与结直肠癌的关系。，遗传测试和分子生物标记20。
[17] Margolin，A.A.、Nemenman，I.、Basso，K.、Wiggins，C.、Stolovitzky，G.、Favera，R.D.和Califano，A.（2006年）。ARACNE：一种在哺乳动物细胞环境中重建基因调控网络的算法。，BMC生物信息学7 S7。
[18] Markowetz，F.和Spang，R.（2007年）。推断蜂窝网络——综述。，BMC生物信息学8 S5。
[19] Meinshausen，N.和Bühlmann，P.（2006）。高维图和用Lasso.选择变量。，《统计年鉴》34 1436-1462·Zbl 1113.62082号 ·doi:10.1214/0090536000000281
[20] Minsker，S.（2018）。具有重尾项的随机矩阵平均值的次高斯估计。，《统计年鉴》46 2871-2903·Zbl 1418.62235号 ·doi:10.1214/17-AOS1642
[21] Ravikumar，P.、Wainwright，M.J.、Raskutti，G.和Yu，B.（2008）。通过最小化（l_1）惩罚对数决定散度的高维协方差估计。，电子统计杂志5 935-980·Zbl 1274.62190号 ·doi:10.1214/11-EJS631
[22] Scheinberg，K.、Ma，S.和Goldfarb，D.（2010年）。通过交替线性化方法选择稀疏逆协方差。年，《神经信息处理系统进展》23 2101-2109。麻省理工学院出版社，剑桥。
[23] Shi，J.，Zhao，J.、Li，T.和Chen，L.（2019a）。用信息论方法检测网络中的直接关联。，科学中国数学62 823-838·Zbl 1415.94365号 ·doi:10.1007/s11425-017-9206-0
[24] Shi，J.，Zhao，J.、Liu，X.、Chen，L.和Li，T.（2019b）。通过多尺度关联分析量化生物网络中的直接依赖。，IEEE计算生物学和生物信息学汇刊。
[25] Stewart，G.W.和Sun，J.（1990）。，矩阵摄动理论。波士顿学术出版社·Zbl 0706.65013号
[26] Stuart，J.M.、Segal，E.、Koller，D.和Kim，S.K.（2003）。全球发现保守遗传模块的基因表达网络。，科学302 249-255。
[27] Waheed，A.和Shadduck，R.K.（1988年）。pH对集落刺激因子结合和解离的影响。，实验生物学与医学学会会刊实验生物学与医药学会187 69。
[28] Wu，T.T.和Lange，K.（2008）。套索惩罚回归的坐标下降算法。，应用统计年鉴2 224-244·Zbl 1137.62045号 ·doi:10.1214/07-AOAS147
[29] Yu，Yu，X.，Liu，H.，Song，Q.和Yang，Y.（2018）。miR-494通过下调HER2阳性胃癌中的FGFR2，抑制致癌细胞表型并逆转对拉帕替尼的耐药性。，国际分子医学杂志42 998-1007。
[30] Yuan，M.和Lin，Y.（2007）。高斯图形模型中的模型选择和估计。，生物特征94 19-35·Zbl 1142.62408号 ·doi:10.1093/biomet/asm018
[31] 袁浩、奚荣、陈川和邓明（2017）。通过拉索惩罚D-迹损失的差分网络分析。，Biometrika 104 755-770·Zbl 07072326号 ·doi:10.1093/biomet/asx049
[32] Yun，S.和Toh，K.C.（2011年）。正则化凸极小化的坐标梯度下降法。，计算优化与应用48 273-307·Zbl 1220.90092号 ·doi:10.1007/s10589-009-9251-8
[33] Zhang，T.和Zou，H.（2014）。通过拉索惩罚的D轨迹损失进行稀疏精度矩阵估计。，生物特征101 103-120·Zbl 1285.62063号 ·doi:10.1093/biomet/ast059
[34] Zhang，X.，Zhao，X.-M.，He，K.，Lu，L.，Cao，Y.，Liu，J.，Hao，J.-K.，Liw，Z.-P.和Chen，L.（2012）。基于条件互信息的路径一致性算法从基因表达数据推断基因调控网络。，生物信息学28 98-104。
[35] Zhao，S.D.、Cai，T.T.和Li，H.（2015）。微分网络的直接估计。，生物特征2 253-268·Zbl 1452.62865号 ·doi:10.1093/biomet/asu009
[36] 邹，H·Zbl 1069.62054号 ·doi:10.1111/j.1467-9868.2005.00503.x
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。