基于高斯 copula 的相关网络分析及其在多组学数据中的应用

从大规模异构数据重建基因调控网络是生物学中的一个关键挑战。在多组学数据分析中，基于两两统计关联度量的网络仍然流行，因为它们容易构建和理解。然而，在存在混合类型(离散和连续)数据时，选择好的关联度量方法仍是一个重要问题。我们在此提出一种新方法，基于高斯 copula，其参数代表网络的链接。该模型获得了引导解释网络的新特性。为了估计 copula 参数，我们计算了混合数据的半参数两两似然。在大量模拟研究中，我们展示了所提出的估计程序能够准确估计 copula 相关矩阵。该方法还被应用于一个真实的 ICGC 数据集，用于乳腺癌，并在一个 freely available 的 R 软件包 heterocop 中实现。