代谢时间序列数据的整合分析与生物标志物发现
最优化与控制
2019-03-04 v3
摘要
代谢组学时间序列实验通过观察代谢谱在内外刺激响应下的演化，提供了理解生物体变化的机会。与其他组学纵向分析技术一样，这些技术极有潜力补充分析跨多样组学变量间变化的复杂关系，并深入揭示系统底层生物学。然而，当前许多用于分析短时序组学数据的统计方法存在以下不足：i) 易过拟合，或 ii) 未考虑实验设计，或 iii) 未充分利用数据固有的多元信息，或 iv) 无法揭示不同组学数据间的多重关联。我们提出的模型试图：i) 通过使用弱信息贝叶斯模型克服过拟合，ii) 通过混合效应模型捕捉实验设计条件，iii) 以条件自回归（CAR）分量扩充混合效应模型来建模变量间相互依赖关系，以及 iv) 识别异质组学变量间的潜在关联。
引用
@article{arxiv.1801.07766,
title = {A convergence analysis of the method of codifferential descent},
author = {M. V. Dolgopolik},
journal= {arXiv preprint arXiv:1801.07766},
year = {2019}
}