×
埃里克·达康西奥·阿莫林;梅林克，维尼修斯·迪尼兹

因子分析中的非线性相互作用聚类。 （英语） Zbl 1458.62124号

Metron公司 78:329-352（2020）.
摘要：因子分析是多元研究中降维的有力工具。本研究扩展了具有非线性相互作用的因子模型。我们工作的主要贡献是提出两种方法来聚类非线性相互作用，从而开发出新的模型，这些模型不限于所有非零相互作用不同或相同的极端场景。处理集群的第一个策略涉及退化组件的有限混合。第二个选项是通过Dirichlet进程指定的。开发了一项全面的模拟研究，以探索提案的性能。进行灵敏度分析，以评估估计高斯过程协方差函数中定义的平滑参数的优点，该函数建立了相互作用的非线性。在应用方面，通过分析与四个乳腺癌数据集相关的基因表达水平来说明该方法。属于不相交基因组区域的基因，具有拷贝数改变，与主因子相连，并估计和聚类它们的非线性相互作用。文献中很少发现这四个乳腺癌数据集的相互调查和比较。

MSC公司：

62H25个 因子分析和主成分；对应分析
62H30型 分类和区分；聚类分析（统计方面）
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：

混合物;迪里克莱过程;基因表达;乳腺癌;微阵列

软件：

全球气候变化评估;R（右）;RcppArmadillo公司;贝叶斯DA;卢比
PDF格式BibTeX公司 XML格式引用
\textit{E.da Conciçáo Amorim}和\textit{V.D.Mayrink}，Metron 78，No.3，329--352（2020；Zbl 1458.62124）
全文： 内政部

参考文献：

[1] Affymetrix：统计算法参考指南。Affymetrix技术报告（2001年）。http://tools.thermofisher.com/content/sfs/brouchsuals/statistical_reference_guide.pdf。2020年7月3日访问
[2] MC卡瓦略；Chang，J。；卢卡斯，JE；内文斯，JR；王，Q。；West，M.，《高维稀疏因子建模：在基因表达基因组学中的应用》，美国统计协会，103，1438-1456（2008）·Zbl 1286.62091号 ·doi:10.1198/0162145000000869
[3] Chin，K。；De Vriers，S。；Fridlyand，J。；斯佩尔曼，PT；罗伊达斯古普塔，R。；Kuo，WL；拉普克，A。；Neve，RM；钱，Z。；Ryder，T。；陈，F。；费勒，H。；东京都。；Esserman，L。；Albertson，DG；FM沃尔德曼；Gray，JW，《与乳腺癌病理生理相关的基因组和转录异常》，《癌症细胞》，10529-541（2006）·doi:10.1016/j.ccr.2006.10.009
[4] Eddelbuettel，D.，《无缝R和C++与Rcpp的集成》（2013），纽约：Springer，纽约·Zbl 1283.62001号
[5] Eddelbuettel，D.，Francois，R.：Rcpp：无缝R和C++集成。J.统计软件。40(8), 1-18 (2011). http://www.jstatsoft.org/v40/i08/。2020年7月3日处理
[6] Eddelbuettel，D。；Sanderson，C.，RcppArmadillo:使用高性能C++线性代数加速R，计算。统计数据分析。，71, 1054-1063 (2014) ·Zbl 1471.62055号 ·doi:10.1016/j.csda.2013.02.005
[7] Gamerman，D。；Lopes，HF，马尔可夫链蒙特卡罗：贝叶斯推断的随机模拟（2006），博卡拉顿：查普曼和霍尔/CRC，博卡拉通·Zbl 1137.62011年
[8] Gelman，A。；卡林，JB；斯特恩，HS；邓森，DB；Vehtari，A.公司。；罗宾，DB，贝叶斯数据分析（2013），博卡拉顿：查普曼和霍尔/CRC，博卡拉顿
[9] Geman，S。；Geman，D.，《随机松弛、吉布斯分布和图像的贝叶斯恢复》，IEEE Trans。模式分析。机器。整数。，6, 721-741 (1984) ·Zbl 0573.62030号 ·doi:10.1109/TPAMI.1984.4767596
[10] 黑斯廷斯，WK，使用马尔可夫链的蒙特卡罗采样方法及其应用，《生物特征》，57，97-109（1970）·Zbl 0219.65008号 ·doi:10.1093/biomet/57.1.97
[11] 虹膜，RA；霍布斯，B。；科林，F。；Beazer-Barclay，YD；安东内利斯，KJ；谢尔夫，美国。；高密度寡核苷酸阵列探针水平数据的速度、TP、探索、归一化和总结，生物统计学，4249-264（2003）·Zbl 1141.62348号 ·doi:10.1093/biostatistics/4.2.249
[12] Ishwaran，H。；James，L.，Gibbs《破胶前的取样方法》，美国统计协会，96，161-173（2001）·Zbl 1014.62006年 ·doi:10.1198/016214501750332758
[13] 约翰逊，RA；Wichern，DW，应用多元统计分析（2007），《上鞍河：皮尔逊/普伦蒂塞尔霍尔》，上鞍河·Zbl 1269.62044号
[14] 卢卡斯，JE；卡瓦略，C。；王，Q。；图片，A。；尼文斯，JR；韦斯特，M。；穆勒，KDP；Vannucci，M.，基因表达基因组学中的稀疏统计建模，基因表达和蛋白质组学的贝叶斯推断，155-176（2006），剑桥：剑桥大学出版社，剑桥·Zbl 1182.62050
[15] JE卢卡斯；龚，HN；Chin，JT，基因组生物标记物的交叉研究预测：癌症基因组学评估，PLoS Compute。生物，6，e1000920（2010）·doi:10.1371/journal.pcbi.1000920
[16] 弗吉尼亚州梅林克；Lucas，JE，具有交互作用的稀疏潜在因子模型：基因表达分析，Ann.Appl。Stat.，7，2，799-822（2013）·Zbl 1288.62164号 ·doi:10.1214/12-AOAS607
[17] 弗吉尼亚州梅林克；Lucas，JE，《带交互作用的稀疏潜在因子模型的补充：基因表达分析》，Ann.Appl。统计（2013）·doi:10.1214/12-AOAS607SUPP文件
[18] 弗吉尼亚州梅林克；Lucas，JE，检测基因表达数据中相干模式的贝叶斯因子模型，Braz。J.遗嘱认证。统计，29，1，1-33（2015）·兹比尔1329.92089 ·doi:10.1214/13-BJPS226
[19] 北卡罗来纳州大都会。；罗森布鲁斯，AW；明尼苏达州罗森布鲁斯；出纳员，AH；Teller，E.，《快速计算机器的状态方程计算》，J.Chem。物理。，21, 1087-1092 (1953) ·Zbl 1431.65006号 ·数字对象标识代码：10.1063/1.1699114
[20] DL米勒；Smeds，J。；乔治，J。；织女星，VB；Vergara，L。；Ploner，A。；帕维坦，Y。；霍尔，P。；克拉尔，S。；刘，ET；Bergh，J.，人类乳腺癌中p53状态的表达特征预测突变状态、转录效应和患者生存，Proc。国家。阿卡德。科学。美国，11213550-13555（2005）·doi:10.1073/pnas.0506230102
[21] 波拉克，JR；Sorlie，T。；佩罗，CM；加利福尼亚州里斯；SS杰弗里；朗宁，PE；Tibshirani，R。；博茨坦，D。；戴尔，ALB；Brown，PO，微阵列分析揭示了DNA拷贝数改变在人类乳腺肿瘤转录程序中的主要直接作用，Proc。国家。阿卡德。科学。美国，99，20，12963-12968（2002）·doi:10.1073/pnas.162471999
[22] R核心团队：R：统计计算语言和环境。R统计计算基金会，维也纳（2020年）。http://www.r-project.org/。2020年7月3日访问
[23] 罗伯茨，GO；Gelman，A。；Gilks，WR，随机游走Metropolis算法的弱收敛性和最优尺度，Ann.Appl。概率。，7, 1, 110-120 (1997) ·Zbl 0876.60015号 ·doi:10.1214/aoap/1034625254
[24] 马里兰州鲁埃达；Uriarte，RD，灵活准确地检测aCGH的基因组拷贝数变化，PLoS Compute。生物学，3，6，e122（2007）·doi:10.1371/journal.pcbi.0030122
[25] Sethuraman，J.，Dirichlet过程先验的建设性定义，Stat.Sin。，2, 639-650 (1994) ·兹比尔0823.62007
[26] Sotiriou，C。；Wirapati，P。；Loi，S。；A.哈里斯。；福克斯，S。；Smeds，J。；诺德格伦，H。；农民，P。；普拉兹，V。；凯恩斯，伯克希尔哈撒韦；Desmedt，C。；Larsimont博士。；卡多佐，F。；彼得斯，H。；Nuyten，D。；Buyse，M。；Vijver，MJVD；J.Bergh。；皮卡特，M。；Delorenzi，M.，《乳腺癌基因表达谱分析：了解组织学分级的分子基础以改善预后》，J.Natl。癌症研究所，98，262-272（2006）·doi:10.1093/jnci/djj052
[27] 施皮格尔（Spiegelhalter），DJ；最佳，NG；范德林德，BPCA，模型复杂性和拟合的贝叶斯度量，J.R.Stat.Soc.Ser。B、 64、583-639（2002）·Zbl 1067.62010年 ·数字对象标识代码：10.1111/1467-9868.00353
[28] 王，Y。；Klijn，JGM；Zhang，Y。；Sieuwert，AM；看，议员；杨，F。；塔兰托夫，D。；蒂默曼斯，M。；盖尔德，MEMV；Jatkoe，T。；EMJJ伯恩斯；阿特金斯，D。；Foekens，JA，预测淋巴结阴性原发性乳腺癌远处转移的基因表达谱，柳叶刀，365671-679（2005）·doi:10.1016/S0140-6736（05）17947-1
[29] Watanabe，S.，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，J.Mach。学习。第11号决议，3571-3594（2010年）·Zbl 1242.62024号
[30] 韦斯特，M。；Bernardo，J。；巴亚里，M。；J.伯杰。；Dawid，A。；赫克曼，D。；A.史密斯。；West，M.，大p，小n范式中的贝叶斯因子回归模型，贝叶斯统计，723-732（2003），牛津：牛津大学出版社，牛津
[31] 吴，Z。；虹膜，RA；R先生。；穆里略，FM；Spencer，F.，《寡核苷酸表达阵列的基于模型的背景调整》，美国统计协会，99，909-917（2004）·Zbl 1055.62129号 ·doi:10.1198/016214500000683
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。