予測子を持つスパース微生物ネットワークを学習するためのBayes連鎖グラフLASSOモデル【JST・京大機械翻訳】

Shen Yunyi; Solis-Lemus Claudia

プレプリント

J-GLOBAL ID：202202219635344500 整理番号：21P0068455

予測子を持つスパース微生物ネットワークを学習するためのBayes連鎖グラフLASSOモデル【JST・京大機械翻訳】

Bayesian Chain Graph LASSO Models to Learn Sparse Microbial Networks with Predictors

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 (2件)： ,
資料名：
発行年： 2020年12月15日プレプリントサーバーでの情報更新日： 2022年07月23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)

マイクロバイオームデータは,微生物間の環境および相互作用への微生物反応を同時に解読できる統計的モデルを必要とする。マルチ応答線形回帰モデルは,直線前進解のように見えるが,回帰係数行列が隣接行列を表現しないので,回帰係数行列が応答と予測子ノード間の条件付き依存性構造を符号化しないように,グラフィカルモデルとして処理することを論じた。この観測は,条件付き依存性モデルの下で適切に符号化できる特定の実験的介入からのエッジに関する事前知識を持つとき,生物学的設定において特に重要である。ここでは,その解が条件付き依存性を実際に表現し,従って,処理下のノードの平均挙動に関する実験者の直感と一致する,2組のノード(予測子と応答)を持つ連鎖グラフモデルを提案した。著者らのモデルに対する解は,BayesLASSOを介してスパースである。さらに,異なる収縮をエッジ固有の事前知識を組み込むために異なるエッジに適用できるように適応拡張を提案した。著者らのモデルは,効率的なGibbsサンプリングアルゴリズムを通して計算上安価であり,適切な階層構造によるバイナリ,計数および組成応答を説明することができる。このモデルをヒト腸と土壌微生物組成データセットに適用し,CG-LASSOがデータ中の生物学的に重要なネットワーク構造を推定できることを強調した。CG-LASSOソフトウェアはhttps://github.com/YunyiShen/CAR LASSOでのRパッケージとして利用可能である。【JST・京大機械翻訳】

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

遺伝子発現 , システム・制御理論一般

, , , , ,

前のページに戻る