基于排序数据混合建模的表位谱分析
统计方法学
2014-01-08 v2
摘要
我们提出将排序数据的概率模型作为定量数据分析的一种有益替代方案，用于研究生物测定实验的结果，特别是在原始数值响应的适当归一化方法难以选择或易受质疑时。我们回顾了标准的基于距离的排序模型和多阶段排序模型，并在后者的背景下，提出了一种 Plackett-Luce 模型的原创性推广，以解释排序激发过程的顺序。通过真实数据集的最大似然估计，展示了新模型的实用性。具体而言，我们通过基于模型的聚类解决了实验单元的异质性问题，并详述了通过期望 - 最大化（Expectation-Maximization）算法的混合版本成功实现似然最大化的必要步骤。我们将使用新分布作为混合成分的混合模型性能，与针对随机排序的其他替代混合模型进行了比较。最后，讨论了对所识别簇的解释，并将其与更标准的定量方法进行了比较。
引用
@article{arxiv.1401.0404,
title = {Epitope profiling via mixture modeling of ranked data},
author = {Cristina Mollica and Luca Tardella},
journal= {arXiv preprint arXiv:1401.0404},
year = {2014}
}
备注
(revised to properly include references)