Structural inference of time‐varying mixed graphical models
Structural inference of time‐varying mixed graphical models
复制标题
时变混合图模型的结构推理
作者：
Liu, Q.;Zhang, Y.;Ouyang, Z.
随着生物技术的快速发展，发现异质生物特征之间的调控和相互作用关系，以及在随时间观察数据时捕获显着的拓扑变化，出现了新的挑战。本文致力于基于一系列时间点的多元数据的时变混合图模型的联合结构估计。假设图拓扑随着时间的推移逐渐变化，我们建立一个灵活的局部估计器来充分利用结构平滑性。利用变分似然推理，我们施加群体套索惩罚来整合来自附近时间点的信息。为了降低算法复杂度，我们提出了一种基于加速交替方向乘法器（ADMM）的算法，利用块对角线结构来适应大型稀疏网络的问题。我们的方法的实际优点通过具有混合数据类型的合成网络展现出来。最终，我们通过整合 PsychENCODE 人脑发育项目的多平台数据来说明实际应用，并检测基因调控网络在人脑发育不同阶段的演变。
With the rapid advancement of biotechnology, there arise new challenges to discover regulatory and co‐action relationships among heterogeneous biological features as well as to capture significant topological changes when data are observed across time. This paper is devoted to joint structural estimation of time‐varying mixed graphical models based on multivariate data over a series of time points. Assuming the graph topology changes gradually over time, we establish a flexible local estimator to fully exploit the structural smoothness. Utilizing variational likelihood inference, we impose a group lasso penalty to integrate information from nearby time points. In order to reduce the algorithmic complexity, we propose an accelerated alternating direction method of multipliers (ADMM)‐based algorithm exploiting the block diagonal structure to adapt our problem for large sparse networks. Practical merits of our method are exhibited through synthetic networks with mixed data types. Ultimately, we illustrate the real application by incorporating multi‐platform data from the PsychENCODE human brain development project and detect the evolution of gene regulatory networks along different stages of human brain development.
登录
查看更多内容
影响因子：
32.8
作者：
Wainwright, Martin J.;Jordan, Michael I.
通讯作者：
Jordan, Michael I.
通过成对指数马尔可夫随机场学习异构数据的网络结构。
DOI：
--
发表时间：
2017
期刊：
Proceedings of machine learning research
影响因子：
--
作者：
Park,Youngsuk;Hallac,David;Boyd,Stephen;Leskovec,Jure
通讯作者：
Leskovec,Jure
联合混合稀疏图形模型的快速变分推理
DOI：
10.1109/jsait.2020.3042124
发表时间：
2020
期刊：
IEEE Journal on Selected Areas in Information Theory
影响因子：
--
作者：
Liu, Qingyang;Zhang, Yuping
通讯作者：
Zhang, Yuping
DOI：
10.1214/16-aoas998
发表时间：
2017-03
期刊：
The annals of applied statistics
影响因子：
--
作者：
Yuping Zhang;Z. Ouyang;Hongyu Zhao
通讯作者：
Yuping Zhang;Z. Ouyang;Hongyu Zhao
用于从高通量测序数据推断遗传网络的对数线性图形模型
DOI：
--
发表时间：
2012
期刊：
IEEE International Conference on Bioinformatics and Biomedicine
影响因子：
--
作者：
Genevera I. Allen;Zhandong Liu
通讯作者：
Zhandong Liu