用于纵向代谢组学数据分析的动态概率主成分模型
应用统计
2013-12-10 v1 统计方法学
摘要
在纵向代谢组学研究中，会在多个时间点对多个观测值测量多种代谢物。研究兴趣在于降低此类数据的维度，并突出随时间变化的有影响代谢物。本文提出了一种动态概率主成分分析 (DPPCA) 模型，旨在实现降维，同时适当建模由重复测量引起的相关性。这是通过对部分模型参数假设自回归模型来实现的。随后使用线性混合模型来识别随时间变化的有影响代谢物。所提出的模型被用于分析一项纵向代谢组学动物研究的数据。
引用
@article{arxiv.1312.2393,
title = {A dynamic probabilistic principal components model for the analysis of longitudinal metabolomic data},
author = {Gift Nyamundanda and Isobel Claire Gormley and Lorraine Brennan},
journal= {arXiv preprint arXiv:1312.2393},
year = {2013}
}
备注
26 pages, 7 figures