高维协变量依赖的高斯图模型
统计方法学
2025-02-26 v1
摘要
受动态生物网络分析的启发，我们提出一种协变量依赖的高斯图模型(cdexGGM)，用于通过新参数化方法捕捉随协变量变化的网络结构。利用似然框架，我们的方法联合估计所有动态边和顶点参数。我们进一步发展了统计推断程序，以检验网络动态性质。对于大规模网络，我们采用带惩罚的复合似然估计，以发现稀疏的动态网络结构。我们在范数下建立了估计误差界，并在高维情境下验证了符号一致性。我们将该方法应用于流感疫苗数据集，以构建随时间演化的动态基因网络。我们还针对不同剂量设计下的下丘脑综合征数据集，构建随实验设计变化的动态蛋白质网络。这些应用表明了所提模型的适用性和有效性。本文补充材料可在线上获取。
关键词
引用
@article{arxiv.2502.17684,
title = {High-Dimensional Covariate-Dependent Gaussian Graphical Models},
author = {Jiacheng Wang and Xin Gao},
journal= {arXiv preprint arXiv:2502.17684},
year = {2025}
}