Direct estimation of differential networks.
Direct estimation of differential networks.
复制标题
DOI：
10.1093/biomet/asu009
复制
发表时间：
2014-06
期刊：
影响因子：
2.7
通讯作者：
Li H
中科院分区：
文献类型：
--
作者：
Zhao SD;Cai TT;Li H
了解遗传网络的结构在两种情况下的不同，通常是令人感兴趣的。本文利用多元正态随机向量的精度矩阵对各条件网络进行建模，并提出了一种直接估计精度矩阵差的方法。与其他方法（例如单独或联合估计单个矩阵）相比，直接估计不需要这些矩阵是稀疏的，因此可以允许单个网络包含集线器节点。在假设真差分网络是稀疏的情况下，直接估计量在支持恢复和估计上是一致的。在模拟中，它也被证明优于现有的方法，其特性在晚期卵巢癌患者的基因表达数据上得到了说明。
It is often of interest to understand how the structure of a genetic network differs between two conditions. In this paper, each condition-specific network is modeled using the precision matrix of a multivariate normal random vector, and a method is proposed to directly estimate the difference of the precision matrices. In contrast to other approaches, such as separate or joint estimation of the individual matrices, direct estimation does not require those matrices to be sparse, and thus can allow the individual networks to contain hub nodes. Under the assumption that the true differential network is sparse, the direct estimator is shown to be consistent in support recovery and estimation. It is also shown to outperform existing methods in simulations, and its properties are illustrated on gene expression data from late-stage ovarian cancer patients.
登录
查看更多内容
影响因子：
4.3
作者：
Hudson NJ;Reverter A;Dalrymple BP
通讯作者：
Dalrymple BP
影响因子：
14.9
作者：
Kanehisa M;Goto S;Sato Y;Furumichi M;Tanabe M
通讯作者：
Tanabe M
影响因子：
2.2
作者：
Chiquet, Julien;Grandvalet, Yves;Ambroise, Christophe
通讯作者：
Ambroise, Christophe
影响因子：
1.1
作者：
Lounici, Karim
通讯作者：
Lounici, Karim
影响因子：
2.5
作者：
Cai, Tony Tony;Wang, Lie;Xu, Guangwu
通讯作者：
Xu, Guangwu