基于Suppes-Bayes因果网络的累积性生物现象建模
人工智能
2018-07-06 v4 机器学习
摘要
若干与细胞增殖相关的疾病以相对于野生型条件的体细胞DNA改变累积为特征。癌症和HIV是此类疾病的两个常见例子，其中癌变/病毒群体中的突变负荷随时间增加。在这些情况下，经常观察到选择压力，以及不同细胞克隆之间的竞争、合作与寄生。最近，我们提出了一种数学框架来建模这些现象，基于贝叶斯推断与Suppes概率因果理论的结合，在被称为Suppes-Bayes因果网络(SBCNs)的图结构中描述。SBCNs是生成式概率图模型，重现了疾病进展过程中此类DNA改变潜在的累积顺序。这类模型可通过利用带正则化的基于似然的模型选择策略从数据推断。本文讨论我们方法的理论基础，并深入考察以下因素对模型选择任务的影响：(i) 基于Suppes理论的偏序集，以及(ii) 不同正则化策略。此外，我们提供将我们的框架应用于HIV遗传数据的示例，突出了所推断出的结果提供的有价值的见解。
引用
@article{arxiv.1602.07857,
title = {Modeling cumulative biological phenomena with Suppes-Bayes Causal Networks},
author = {Daniele Ramazzotti and Alex Graudenzi and Giulio Caravagna and Marco Antoniotti},
journal= {arXiv preprint arXiv:1602.07857},
year = {2018}
}