Bayes組合せマルチ研究因子分析【JST・京大機械翻訳】

Grabski Isabella N.; De Vito Roberta; Trippa Lorenzo; Parmigiani Giovanni

プレプリント

J-GLOBAL ID：202202202637325392 整理番号：22P0174799

Bayes組合せマルチ研究因子分析【JST・京大機械翻訳】

Bayesian Combinatorial Multi-Study Factor Analysis

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年07月24日プレプリントサーバーでの情報更新日： 2020年07月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

多重研究を分析することは,一連のソースと個体群からデータを活用することができるが,最近まで,複数の高次元研究の共同教師なし解析にアプローチする方法論が限られている。最近の方法,Bayes Multi-Study Factor Analysis(BMSFA)は,個々の研究に特異的な潜在因子と同様に,すべての研究に共通する潜在因子を同定する。しかし,BMSFAは,部分的共有因子,すなわち,1つ以上が共有する潜在因子,および全研究より少ないものを許さない。Bayesコンビナトリアルマルチ研究因子分析のために,新しい方法,Tetrisを導入することによって,BMSFAを拡張し,それは,研究の任意の組合せによって共有できる潜在因子を同定した。インドのBuffetプロセスと潜在因子を共有する研究のサブセットをモデル化した。広範囲のシミュレーションでこの方法を試験し,次元縮小だけでなく共分散推定においてもその有用性を示した。最後に,著者らは,生殖系列変異によって定義される既知のクラス内および横断して,乳癌遺伝子発現におけるパターンを同定するために,Tristrisを高次元遺伝子発現データセットに適用した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , 【Automatic Indexing@JST】

システム・制御理論一般 , パターン認識

, , ,

前のページに戻る