基于PO2PLS的异质数据统计整合
统计方法学
2022-09-01 v1
摘要
多组学数据的可用性通过开辟整合的系统层面方法途径而革新了生命科学。数据整合将不同数据集之间的信息联系起来，以更好地理解潜在的生物过程。然而，高维性、相关性与异质性带来了统计与计算挑战。我们提出了一个通用框架——概率双向偏最小二乘（PO2PLS），以应对这些挑战。PO2PLS使用联合与数据特有的潜变量对两个数据集之间的关系建模。对于参数的极大似然估计，我们实现了一个快速EM算法，并证明该估计量渐近服从正态分布。我们提出了一种用于检验两个数据集之间关系的全局检验，并推导了其渐近分布。值得注意的是，若干现有的组学整合方法是PO2PLS的特例。通过大量模拟，我们表明PO2PLS在特征选择与预测性能上优于替代方法。此外，当样本量足够大时，该渐近分布似乎成立。我们用两个来自常用研究设计的例子说明了PO2PLS：一个大型人群队列与一个小型病例对照研究。除了恢复已知关系外，PO2PLS还识别出了新发现。所述方法已在我们的R包PO2PLS中实现。本文的补充材料可在线获取。
引用
@article{arxiv.2103.13490,
title = {Statistical Integration of Heterogeneous Data with PO2PLS},
author = {Said el Bouhaddani and Hae-Won Uh and Geurt Jongbloed and Jeanine Houwing-Duistermaat},
journal= {arXiv preprint arXiv:2103.13490},
year = {2022}
}
备注
36 pages, 4 figures, Submitted to Journal of the American Statistical Association