大块结构协方差矩阵的估计：在种子质量“多组学”研究中的应用
统计方法学
2019-12-09 v3
摘要
受高通量基因组学与代谢组学中一个应用的启发，我们提出了一种新颖、高效且完全数据驱动的方法，用于在变量数远大于样本数、且不局限于块对角矩阵的情形下估计大块结构稀疏协方差矩阵。我们的方法是将此类协方差矩阵近似为低秩稀疏矩阵与对角矩阵之和。我们的方法也能处理这样的矩阵：其块结构仅在按照某个未知置换对列与行进行置换后才显现。我们的技术已在 R 包 \texttt{BlockCov} 中实现，该包可从 Comprehensive R Archive Network (CRAN) 与 GitHub 获取。为展示我们包的统计与数值性能，我们给出了一些数值实验，并与替代方法进行了详尽比较。最后，我们的方法被应用于使用“多组学”方法研究种子质量。
引用
@article{arxiv.1806.10093,
title = {Estimation of large block structured covariance matrices: Application to "multi-omic" approaches to study seed quality},
author = {Marie Perrot-Dockès and Céline Lévy-Leduc and Loïc Rajjou},
journal= {arXiv preprint arXiv:1806.10093},
year = {2019}
}