用于聚类微生物组数据的 Logistic Normal Multinomial 因子分析器
统计方法学
2021-01-07 v1 统计计算
摘要
人类微生物组在人类健康和疾病状态中起着重要作用。下一代测序技术使得量化人类微生物组的组成成为可能。对这些微生物组数据进行聚类可通过识别样本间的潜在模式提供有价值的信息。最近，Fang 和 Subedi (2020) 提出了一种用于聚类微生物组数据的 logistic normal multinomial 混合模型 (LNM-MM)。由于微生物组数据往往为高维，此处我们通过在 LNM-MM 中引入因子分析器结构，开发了一系列 logistic normal multinomial 因子分析器 (LNM-FA)。这类模型更适用于高维数据，因为 LNM-FA 通过假设潜在因子数量较小可大幅减少参数数量。参数估计使用计算高效的交替期望条件最大化算法变体完成，该变体利用变分高斯近似。所提方法使用模拟和真实数据集进行了说明。
引用
@article{arxiv.2101.01871,
title = {Logistic Normal Multinomial Factor Analyzers for Clustering Microbiome Data},
author = {Wangshu Tu and Sanjeena Subedi},
journal= {arXiv preprint arXiv:2101.01871},
year = {2021}
}
备注
50 pages, 5 figures