多组学生物网络中多重扰动的检测
统计方法学
2016-10-04 v2
摘要
细胞作用机制在许多生物学研究中是根本关注点。识别疾病原因并了解治疗对抗疾病的途径尤其令人关注。然而，由于对细胞的微小扰动可能产生广泛的下游效应，精确定位此类机制是困难的。给定细胞活动的快照，判断扰动起源何处可能具有挑战性。越来越多的高通量生物数据的出现提供了从多个角度检查细胞行为的机会，但也带来了如何有效分析多源数据的统计挑战。在此背景下，我们提出一种通过将网络滤波扩展到多属性数据的作用机制推断方法。我们首先使用惩罚回归跨多种数据类型估计联合高斯图模型，并滤波网络效应。然后我们应用一组似然比检验来识别原始扰动的最可能位点。此外，我们提出一种条件检验过程以允许检测多重扰动。我们在来自癌症基因组图谱 (TCGA) 的配对基因表达和甲基化数据上演示了该方法。
引用
@article{arxiv.1510.03959,
title = {Detection of multiple perturbations in multi-omics biological networks},
author = {Paula J. Griffin and W. Evan Johnson and Eric D. Kolaczyk},
journal= {arXiv preprint arXiv:1510.03959},
year = {2016}
}
备注
Submitted to Biometrics