一种用于构建克隆性与熵置信区间的经验贝叶斯方法
统计方法学
2023-02-15 v2 应用统计
摘要
本文动机源于量化人体对环境挑战的免疫应答之需求。具体而言，从血液样本中选出的细胞群基因组经著名的 PCR 反复加热冷却过程扩增，产生大量读段，数量约在 30,000 至 300,000 之间。每个读段对应所谓的 V(D)J 序列的一种特定重排。最终，观测由对应于不同 V(D)J 序列的读段数量集合构成。不同 V(D)J 序列的潜在相对频率可由一个概率向量概括，其基数即为血液中存在的不同 V(D)J 重排数。统计问题是基于一个大维度的单多重型观测对该概率向量的一个概要参数作推断。刻画细胞群多样性的常用概要包括克隆性与熵，或更一般地，为概率向量的某个适当函数。先前已基于同一血液样本的多个重复提出克隆性的点估计量。获得特定函数的点估计后，其余挑战是为该参数构建置信区间以恰当反映其不确定性。本文中，我们提出将经验贝叶斯方法与基于重采样的校准过程相结合，为不同种群多样性参数构建稳健置信区间。该方法经大量数值研究与真实数据示例得以阐明。
引用
@article{arxiv.2211.14755,
title = {An Empirical Bayes Approach for Constructing the Confidence Intervals of Clonality and Entropy},
author = {Zhongren Chen and Lu Tian and Richard Olshen},
journal= {arXiv preprint arXiv:2211.14755},
year = {2023}
}
备注
Add more real-data studies; Replace with AOAS template