基于鲁棒核典型相关分析的影像遗传学数据基因-基因关联
机器学习
2016-06-02 v1
摘要
在全基因组交互作用研究中，为检测基因-基因交互作用，大多数方法分为两类：基于单核苷酸多态性（SNP）的方法和基于基因的方法。基本上，基于基因的方法比基于单个SNP的方法更有效。近年来，基于核典型相关分析（经典核CCA）的U统计量（KCCU）被提出用于检测基因间的非线性关系。为估计KCCU中的方差，他们使用了基于重采样的方法，其计算量高度密集。此外，经典核CCA对污染数据不鲁棒。因此，我们首先讨论鲁棒核均值元、鲁棒核协方差与交叉协方差算子。其次，我们提出一种基于影响函数估计KCCU方差的方法。第三，我们提出一种基于鲁棒核CCA的非参数鲁棒KCCU方法，其专为污染数据设计，且比经典核CCA对噪声更不敏感。最后，我们将所提方法应用于合成数据和影像遗传学数据集。基于基因本体和通路分析，合成和遗传学分析表明所提鲁棒方法展现出优于最先进方法的性能。
引用
@article{arxiv.1606.00118,
title = {Gene-Gene association for Imaging Genetics Data using Robust Kernel Canonical Correlation Analysis},
author = {Md ashad Alam and Osamu Komori and Yu-Ping Wang},
journal= {arXiv preprint arXiv:1606.00118},
year = {2016}
}
备注
arXiv admin note: substantial text overlap with arXiv:1602.05563