推断单分子动力学的图模型
定量方法
2010-09-07 v1 生物物理
摘要
背景：近期单分子生物物理学实验技术的爆发产生了各种新型时间序列数据，需要同样新颖的计算工具进行分析和推断。本文概述了如何使用变分贝叶斯期望最大化算法（VBEM）通过图模型从生物物理时间序列数据中学习。通过单分子荧光共振能量转移（smFRET）随时间变化的数据示例对该讨论进行了说明，其中 smFRET 时间序列被建模为具有高斯观测的隐马尔可夫模型（HMM）。文中还提供了 smFRET 的详细描述。结果：VBEM 算法返回给定数据下的模型证据和近似后验参数分布。前者通过最大证据（ME）为模型选择提供了度量，后者则提供了从数据中学习到的模型参数的描述。与更常用的由期望最大化（EM）算法优化的最大似然（ML）方法相比，ME/VBEM 具有几个优势，其中最重要的是模型选择的自然形式和适定的（非发散的）优化问题。结论：结果证明了图模型在推断单分子生物物理动力学过程中的实用性。
关键词
引用
@article{arxiv.1009.0857,
title = {Graphical models for inferring single molecule dynamics},
author = {Jonathan E. Bronson and Jake M. Hofman and Jingyi Fei and Ruben L. Gonzalez and Chris H. Wiggins},
journal= {arXiv preprint arXiv:1009.0857},
year = {2010}
}
备注
22 pages, 5 figures; Journal special issue for workshop papers from "New Problems and Methods in Computational Biology" A workshop at the Twenty-Third Annual Conference on Neural Information Processing Systems (NIPS 2009) Whistler, BC, Canada, December 11 or 12, 2009. (cf. http://videolectures.net/nipsworkshops09_computational_biology/)