利用稀疏回归混合模型对带协变量的流式细胞术测量的细胞群体建模
应用统计
2022-08-05 v2 统计方法学
机器学习
摘要
海洋中充满了称为浮游植物的微小微藻，其共同完成的 photosynthesis 量与陆地上所有植物合计相当。我们预测其对变暖海洋响应的能力，依赖于理解浮游植物种群动态如何受环境条件变化影响。研究浮游植物动态的一项有力技术是流式细胞术，其每秒可测量数千个单个细胞的光学特性。如今，海洋学家能够在移动船只上实时收集流式细胞术数据，从而提供跨越数千公里的浮游植物分布的精细分辨率。当前的挑战之一是理解这些小尺度和大尺度变化如何与营养盐可用性、温度、光照和洋流等环境条件相关。本文中，我们提出一种新颖的稀疏多元回归混合模型，用于估计时变浮游植物亚群，同时识别可预测这些亚群观测变化的特定环境协变量。我们利用合成数据以及 2017 年春季在东北太平洋进行的一次海洋考察收集的真实观测，展示了该方法的实用性与可解释性。
引用
@article{arxiv.2008.11251,
title = {Modeling Cell Populations Measured By Flow Cytometry With Covariates Using Sparse Mixture of Regressions},
author = {Sangwon Hyun and Mattias Rolf Cape and Francois Ribalet and Jacob Bien},
journal= {arXiv preprint arXiv:2008.11251},
year = {2022}
}
备注
To appear, Annals of Applied Statistics