面向变点检测算法的选择后推断及其在拷贝数变异数据中的应用
统计方法学
2018-12-11 v1
摘要
变点检测方法被用于科学与工程的诸多领域，例如在分析拷贝数变异数据时，用于检测基因组沿线上拷贝数的异常。尽管现有工具繁多，但在检测之后量化我们对给定变点强度（或存在性）不确定性的方法仍然缺乏。选择后推断提供了一个填补此空白的框架，但这些方法最直接的应用导致检验功效低下，并留下若干关于实际可用性的重要问题。在这项工作中，我们精心地将选择后推断方法定制于变点检测，以拷贝数变异数据作为主要科学应用。对于变点算法，我们研究二元分割及其两种最流行的变体（wild 与 circular）以及 fused lasso。我们实现了选择后推断理论的一些最新进展：利用辅助随机化提升功效，这需要实现 MCMC 算法（重要性采样与 hit-and-run 采样）以执行检验。我们还提供了提升实际可用性的建议、详细的模拟，以及对阵列比较基因组杂交（CGH）数据的一个示例分析。
引用
@article{arxiv.1812.03644,
title = {Post-Selection Inference for Changepoint Detection Algorithms with Application to Copy Number Variation Data},
author = {Sangwon Hyun and Kevin Lin and Max G'Sell and Ryan J. Tibshirani},
journal= {arXiv preprint arXiv:1812.03644},
year = {2018}
}