具有协变量曲线的微阵列时间序列函数建模
统计方法学
2011-12-09 v1
摘要
本文展示了一个用于分析微阵列时间序列数据的完整框架。微阵列数据的独特特性使其非常适合函数数据分析方法，我们展示了该方法如何自然地扩展以包含年龄和性别等协变量。我们提出的模型是更一般的函数混合效应模型的特例，据我们所知，我们是首个展示如何推导具有多个固定效应函数的最大似然估计量、EM 算法、置信区间和平滑矩阵的研究。我们的动机来源于表征健康人类基因表达水平随时间变化的真实数据集，我们旨在通过更灵活的模型改进现有结果。通过采用粗糙度惩罚方法，在避免过拟合的同时实现了这一目标，并允许在数据允许时偏离原始的线性混合效应模型。需要更深入的生物学解释来全面评估我们的成功，但本文强调的结果表明，我们可以轻松地为我们的发现赋予意义。
引用
@article{arxiv.1112.1869,
title = {Functional modelling of microarray time series with covariate curves},
author = {Maurice Berk and Giovanni Montana},
journal= {arXiv preprint arXiv:1112.1869},
year = {2011}
}