用于未见遗传变异贝叶斯非参数估计的缩放过程先验
统计方法学
2022-02-22 v2
摘要
对未见特征数量的估计兴趣日益增长，主要由生物学应用驱动。近期一项工作揭示了在未见特征问题的贝叶斯非参数(BNP)推断中，作为先验模型的流行完全随机测度(CRMs)的一个特殊性质：在固定先验参数的情况下，它们均导致未见特征数量的泊松后验分布，该分布仅通过样本量依赖于抽样信息。因此，CRMs并非未见特征问题的灵活先验模型，且尽管泊松后验分布因解析可处理性与易解释性而具吸引力，其对抽样信息的独立性使BNP方法成为一种存疑的过度简化，后验推断完全由未知先验参数的估计所决定。本文引入稳定-Beta缩放过程(SB-SP)先验，并证明它能在保持解析可处理性与可解释性的同时，丰富CRM先验下未见特征数量的后验分布。即，SB-SP先验导致负二项后验分布，其通过样本量与不同特征数量依赖于抽样信息，相应估计简单、对抽样信息线性且计算高效。我们将BNP方法应用于合成数据与真实癌症基因组数据，表明：i) 在估计精度上优于最流行的参数与非参数竞争对手；ii) 相较于CRM先验下的BNP方法，其估计覆盖有所改善。
引用
@article{arxiv.2106.15480,
title = {Scaled process priors for Bayesian nonparametric estimation of the unseen genetic variation},
author = {Federico Camerlenghi and Stefano Favaro and Lorenzo Masoero and Tamara Broderick},
journal= {arXiv preprint arXiv:2106.15480},
year = {2022}
}