面向单细胞实验设计的非参数贝叶斯多臂老虎机方法
应用统计
2020-09-22 v2
摘要
在预算约束下最大化细胞类型发现是单细胞 RNA 测序（scRNA-seq）数据收集与分析的一项基本挑战。本文提出一种简单、计算高效且可扩展的贝叶斯非参数序贯方法，用于优化大规模 scRNA-seq 数据收集实验设计中的预算分配，其目的包括但不限于构建细胞图谱。我们的方法依赖以下工具：i）一个分层 Pitman-Yor 先验，其再现了关于细胞分化的生物学假设；ii）一种 Thompson 采样多臂老虎机策略，平衡利用与探索以在一系列试验中优先安排实验。后验推断通过序贯蒙特卡洛方法执行，这使我们能够充分利用物种抽样问题的序贯性质。我们通过实验证明，我们的方法在模拟和 scRNA-seq 数据上均优于最先进的方法，并达到接近 Oracle 的性能。HPY-TS 代码可在 https://github.com/fedfer/HPYsinglecell 获取。
引用
@article{arxiv.1910.05355,
title = {Nonparametric Bayesian multi-armed bandits for single cell experiment design},
author = {Federico Camerlenghi and Bianca Dumitrascu and Federico Ferrari and Barbara E. Engelhardt and Stefano Favaro},
journal= {arXiv preprint arXiv:1910.05355},
year = {2020}
}