群诱导图 lasso 实现分子通路-通路相互作用的发现

复杂系统可能包含以多层次、多尺度方式相互作用的异质类型变量。在此背景下，高层可被视为在低层相互作用的变量群。生物学中尤其如此，例如基因分组于通路中，并存在两类相互作用：通路-通路相互作用与基因-基因相互作用。然而，从数据中只能测量基因的表达，而无法直接测量通路活性。尽管如此，群与变量间相互依赖的知识使得即便数据中无后者的直接信息（故群被视为潜变量），也可在观测变量与群上进行多层网络推断。本文提出潜图lasso方法的扩展，其利用隐藏（群）层与观测层间互联的知识。该方法利用影响观测变量行为的群结构知识来恢复双层网络。其在合成数据上的效能经测试，以相对于真实情况检验其恢复网络结构的能力。我们给出了神经母细胞瘤的案例研究，表明我们的多层次推断在真实语境中推断具生物学意义的连接方面具有相关性。