基于层次化泊松对数正态模型的稀疏网络联合估计

单细胞 RNA 测序技术的发展，使我们能够通过直接推断基因的条件独立结构来研究个体水平的细胞类型特异性基因表达网络。单细胞 RNA 测序数据促进了跨不同条件或样本的基因表达数据分析，使我们能够同时估计条件或样本特异的基因网络。由于单细胞数据为计数数据且存在大量零值，基于高斯图的现有网络推断方法无法直接应用于此类单细胞数据。我们提出一种层次化泊松对数正态模型，以有效地整合共享网络结构，同时估计众多稀疏网络。我们发展了一种高效的联合估计方法，采用变分 EM 和交替方向乘子法（ADMM）算法，针对并行处理进行优化。仿真研究表明，该方法在各种网络模型下的网络结构恢复和参数估计方面优于传统方法。我们将该方法应用于两个单细胞 RNA 测序数据集：一个在 11 种不同环境条件下测量的酿酒酵母单细胞基因表达数据集，以及来自 13 名炎症性肠病患者的单细胞基因表达数据。我们证明，联合估计能够揭示更广泛的基因间条件依赖网络，为理解基因表达机制提供更深入的见解。