使用广义t先验的遗传关联信号贝叶斯稀疏路径分析
应用统计
2012-10-26 v1 统计计算
摘要
我们探索在回归系数上使用广义t先验，以帮助理解全基因组关联研究“命中区域”内关联信号的性质。我们采用的特定广义t分布是作用于其参数绝对值的Student分布。对于低自由度，我们证明广义t分布展现出“稀疏先验”性质，与其他常见的稀疏先验形式相比具有一些吸引人的特征，并且当自由度趋于无穷时包含众所周知的拉普拉斯分布。我们特别关注从稀疏路径分析（SPA）中获得的后验统计量的图形表示，在SPA中，我们遍历先验中尺度（收缩/精度）参数的设置，以探索在一系列复杂度上获得的后验模型空间，从所有系数分布高度集中在零附近的非常稀疏的模型，到具有扩散先验且系数分布围绕其最大似然估计的模型。SPA图类似于最大后验（MAP）估计的LASSO图，但它们刻画了系数的完整边缘后验分布，这些分布被绘制为先验精度的函数。在一系列先验精度上生成后验分布在计算上具有挑战性，但自然地适合以尺度参数为索引的序贯蒙特卡罗（SMC）算法。我们展示了在图形处理单元（GPU）上进行SMC模拟如何为SPA提供非常高效的推断。我们还提出了广义t先验的尺度混合表示，如果只需要MAP估计，该表示可导出EM算法来获得这些估计。
引用
@article{arxiv.1106.0322,
title = {Bayesian Sparsity-Path-Analysis of Genetic Association Signal using Generalized t Priors},
author = {Anthony Lee and Francois Caron and Arnaud Doucet and Chris Holmes},
journal= {arXiv preprint arXiv:1106.0322},
year = {2012}
}