通过低秩张量分解表征人脑的时空转录组
统计方法学
2017-02-27 v1
摘要
人脑的时空基因表达数据为认识大脑发育过程中基因调控的空间和时间模式提供了洞见。分析这些数据的现有方法大多在隐含假设不同大脑区域以相似轨迹发育，且基因表达的空间模式在不同时间点保持相似的前提下，分别考虑空间和时间分布。尽管这些分析可能有助于在空间或时间上单独刻画基因调控，但它们无法表征不同大脑区域时间动态的异质性，或基因调控空间模式随时间的演化。在本文中，我们开发了一种基于低秩张量分解的统计方法，以更有效地分析时空基因表达数据。我们将仅适用于数据矩阵的经典主成分分析（PCA）推广至可同时捕获空间和时间效应的张量 PCA。我们还提出了一种结合张量展开和幂迭代的高效算法来估计张量主成分，并对其统计性能提供了理论保证。数值实验进一步展示了所提方法的优越性。将我们的方法应用于时空大脑表达数据，为大脑中的基因调控模式提供了洞见。
引用
@article{arxiv.1702.07449,
title = {Characterizing Spatiotemporal Transcriptome of Human Brain via Low Rank Tensor Decomposition},
author = {Tianqi Liu and Ming Yuan and Hongyu Zhao},
journal= {arXiv preprint arXiv:1702.07449},
year = {2017}
}