无向图模型中用于刻画癌症患者间异质性的贝叶斯边回归
应用统计
2021-01-26 v1 统计方法学
摘要
图模型常用于发现癌症等复杂疾病的基因或蛋白质网络内的关联。大多数现有方法为群体估计单一图，而在许多情况下，研究者关注刻画个体网络在受试者间相对于受试者水平协变量的异质性。例子包括评估网络如何随患者特异性预后评分变化，或在将肿瘤纯度作为连续预测变量时比较肿瘤图与正常图。本文中，我们提出了一种用于无向图的新型边回归模型，将条件依赖估计为受试者水平协变量的函数。贝叶斯收缩算法用于诱导底层图模型的稀疏性。我们通过聚焦于在调整肿瘤纯度的同时比较肿瘤图与正常图的模拟研究，以及一个评估肝细胞癌患者血液蛋白质网络如何随疾病严重度（由衡量疾病严重度的新型生物标志物特征 HepatoScore 测量）变化的案例研究，来评估模型性能。
引用
@article{arxiv.2101.09587,
title = {Bayesian Edge Regression in Undirected Graphical Models to Characterize Interpatient Heterogeneity in Cancer},
author = {Zeya Wang and Veera Baladandayuthapan and Ahmed O. Kaseb and Hesham M. Amin and Manal M. Hassan and Wenyi Wang and Jeffrey S. Morris},
journal= {arXiv preprint arXiv:2101.09587},
year = {2021}
}