用于疾病亚型和生物标志物发现的退火变分混合模型
统计计算
2024-12-02 v1 应用统计
摘要
高维数据聚类分析常受变量数量庞大且缺乏相关信息，以及需选择合适簇数的困扰。这些挑战在 'omics 数据集' 分析中常被遇到，如分子精准医学中，关键目标是识别疾病亚型及其定义生物标志物。本文引入一种退火变分贝斯算法，用于拟合高维混合模型，同时进行变量选择。该算法可扩展且计算高效，我们提供了开源的 Python 实现——VBVarSel。在多种仿真和真实医学实例中显示，VBVarSel 超越了当前最先进的方法，演示其用于癌症亚型和生物标志物发现。
引用
@article{arxiv.2411.19262,
title = {Annealed variational mixtures for disease subtyping and biomarker discovery},
author = {Emma Prevot and Rory Toogood and Filippo Pagani and Paul D. W. Kirk},
journal= {arXiv preprint arXiv:2411.19262},
year = {2024}
}