应用于生物数据且具有超前-滞后效应的时间序列高斯过程
统计方法学
2024-09-27 v2
摘要
研究时间序列之间的关系，特别是超前-滞后效应，是各个学科中的常见问题，尤其是在揭示生物过程时。然而，分析时间序列面临若干挑战。首先，由于技术原因，进行观测的时间点并非均匀间隔。其次，一些超前-滞后效应是瞬时的，需要基于有限数量的时间点进行时滞估计。第三，外部因素也会影响这些时间序列，需要一个相似性度量来评估超前-滞后关系。为解决这些问题，我们引入了一个基于高斯过程的模型，该模型能够灵活地估计不规则时间序列的超前-滞后效应。此外，我们的方法输出不相似性分数，从而将其应用扩展到包括在考虑与外部因素的超前-滞后效应强度时，对多对时间序列进行排序或聚类等任务。至关重要的是，我们提供了一系列理论证明，以证实我们所提出的核函数的有效性以及核参数的可识别性。与其他领先方法相比，我们的模型在各种模拟和实际应用（特别是在动态染色质相互作用的研究中）中均展现出优势。
引用
@article{arxiv.2401.07400,
title = {Gaussian Processes for Time Series with Lead-Lag Effects with applications to biology data},
author = {Wancen Mu and Jiawen Chen and Eric S. Davis and Kathleen Reed and Douglas Phanstiel and Michael I. Love and Didong Li},
journal= {arXiv preprint arXiv:2401.07400},
year = {2024}
}