基于藤 copula 结构方程模型的干预性蛋白质实验分析
应用统计
2021-11-22 v1
摘要
尽管利用线性高斯贝叶斯网络从数据识别信号通路已有大量努力，但对于从已识别的贝叶斯网络中理解和量化给定父节点时节点的条件密度与概率则关注较少。大多数连续数据图模型假设多元高斯分布，这可能过于受限。我们重新分析 Sachs 等人（2005）考虑的实验环境数据，以说明此类限制的影响。为此，我们提出一种基于藤 copula 的新型非高斯非线性结构方程模型。特别地，我们改编了 Kraus 和 Czado（2017）的 D-vine 回归方法。我们表明，相较于 Sachs 等人（2005）给出的基于生物学共识图的标准线性结构方程模型，该类模型更适于拟合数据。该建模方法还允许研究哪些通路边得到数据支持、哪些可被移除。对于 cd3cd28+aktinhib 数据实验，该方法识别出三条不再受数据支持的边。对于其中每条边，都能基于底层实验条件找到合理的解释。
引用
@article{arxiv.2111.10113,
title = {Analysis of an interventional protein experiment using a vine copula based structural equation model},
author = {Claudia Czado and Sebastian Scharl},
journal= {arXiv preprint arXiv:2111.10113},
year = {2021}
}
备注
35 pages