一种用于估计共调控基因表达动态模型的经验贝叶斯方法
统计方法学
2022-01-03 v1
摘要
时间序列基因表达数据集可洞察复杂生物过程（如免疫响应与器官发育）的动力学。识别具有相似时间表达模式的基因颇有意义，因为此类基因常在生物学上相关。然而，由于这些数据集的高维性以及基因表达时间动力学的非线性，该任务具挑战性。我们提出一种经验贝叶斯方法以估计基因表达的常微分方程（ODE）模型，并从中导出称为贝叶斯领先-滞后 （LLR2）的基因间相似性度量。重要的是，LLR2 的计算利用了记录已知基因间相互作用的生物学数据库；该信息被自动用于定义 ODE 模型参数的信息性先验分布。因此，LLR2 是一种生物学信息驱动的度量，可用于识别具有协同运动或时滞表达模式的功能相关基因簇或网络。我们进而由 Stein 无偏风险估计导出数据驱动的收缩参数，以最优地平衡 ODE 模型对数据与外部生物学信息的拟合。利用真实基因表达数据，我们证明所提方法可恢复可解释的基因组簇与稀疏网络。这些结果揭示了关于生物系统动力学的新见解。
引用
@article{arxiv.2112.15326,
title = {An empirical Bayes approach to estimating dynamic models of co-regulated gene expression},
author = {Sara Venkatraman and Sumanta Basu and Andrew G. Clark and Sofie Delbare and Myung Hee Lee and Martin T. Wells},
journal= {arXiv preprint arXiv:2112.15326},
year = {2022}
}