从生物时间过程数据推断扰动时间
定量方法
2016-02-05 v1
摘要
时间过程数据常用于研究扰动后生物过程的变化。已开发统计方法以确定此类扰动是否诱导随时间的变化，例如比较扰动与未扰动的时间过程数据集以揭示差异。然而，现有方法未提供原则性的统计途径来识别扰动后两个时间过程数据集首次开始分化的具体时间；我们称之为扰动时间。对生物过程中不同变量的扰动时间估计使我们能够确定扰动后事件序列，从而提供对可能因果关系的宝贵见解。本文中，我们提出一种贝叶斯方法，在给定野生型和扰动系统的时程数据下推断扰动时间。我们采用基于高斯过程回归的非参数方法。我们推导了噪声污染且重复的时间过程数据的概率模型，这些数据在扰动时间前来自相同轮廓，在扰动时间后分化。该模型的似然函数可精确算出，且扰动时间的后验分布通过简单直方图方法获得，无需借助复杂近似推断算法。我们在模拟数据上验证该方法，并将其应用于研究 Arabidopsis 接种 P. syringae pv. tomato DC3000 与失活菌株 DC3000hrpA 后发生的转录变化。实现该方法的 R 包 DEtime 可在 https://github.com/ManchesterBioinference/DEtime 获取，连同重现所有结果所需的数据和代码。
引用
@article{arxiv.1602.01743,
title = {Inferring the perturbation time from biological time course data},
author = {Jing Yang and Christopher A. Penfold and Murray R. Grant and Magnus Rattray},
journal= {arXiv preprint arXiv:1602.01743},
year = {2016}
}
备注
63 pages, 20 figures, paper submitted to Bioinformatics