面向个体化推断的贝叶斯协变量依赖分位数有向无环图模型
统计方法学
2023-05-24 v3
摘要
我们提出了一种称为“qDAGx”的方法，用于贝叶斯协变量依赖分位数有向无环图（DAG），其中这些 DAG 是个体化的，即它们依赖于个体特定的协变量。所提方法的个体化 DAG 结构可在任意给定分位数下被唯一识别，仅基于纯观测数据，无需诸如已知拓扑序之类的强假设。为使所提方法扩展到大量变量与协变量，我们为模型参数提出了一种新颖的参数扩展马蹄先验，其为我们方法带来了若干有吸引力的理论与计算优势。通过对条件分位数建模，qDAGx 克服了 DAG 均值回归的常见局限，后者可能对似然的选择（例如多元正态性假设）以及先验的选择敏感。我们通过大量数值模拟以及在精准医学中的应用展示了 qDAGx 的性能，该应用推断肺癌中患者特异的蛋白质—蛋白质相互作用网络。
引用
@article{arxiv.2210.08096,
title = {Bayesian Covariate-Dependent Quantile Directed Acyclic Graphical Models for Individualized Inference},
author = {Ksheera Sagar and Yang Ni and Veerabhadran Baladandayuthapani and Anindya Bhadra},
journal= {arXiv preprint arXiv:2210.08096},
year = {2023}
}
备注
35 pages, 5 figures