A sparse negative binomial mixture model for clustering RNA-seq count data

特征选择 计数数据 混合模型 Lasso(编程语言) 聚类分析 计算机科学 负二项分布 选型 贝叶斯信息准则 贝叶斯推理 贝叶斯概率 推论 特征(语言学) 数据挖掘 模式识别(心理学) 人工智能 数学 统计 泊松分布 哲学 万维网 语言学
作者
Yujia Li,Tanbin Rahman,Tianzhou Ma,Lu Tang,George C. Tseng
出处
期刊:Biostatistics [Oxford University Press]
被引量:2
标识
DOI:10.1093/biostatistics/kxab025
摘要

Summary Clustering with variable selection is a challenging yet critical task for modern small-n-large-p data. Existing methods based on sparse Gaussian mixture models or sparse $K$-means provide solutions to continuous data. With the prevalence of RNA-seq technology and lack of count data modeling for clustering, the current practice is to normalize count expression data into continuous measures and apply existing models with a Gaussian assumption. In this article, we develop a negative binomial mixture model with lasso or fused lasso gene regularization to cluster samples (small $n$) with high-dimensional gene features (large $p$). A modified EM algorithm and Bayesian information criterion are used for inference and determining tuning parameters. The method is compared with existing methods using extensive simulations and two real transcriptomic applications in rat brain and breast cancer studies. The result shows the superior performance of the proposed count data model in clustering accuracy, feature selection, and biological interpretation in pathways.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
共享精神应助lisbattery采纳,获得10
刚刚
刚刚
hyw发布了新的文献求助10
1秒前
Neo发布了新的文献求助10
1秒前
2秒前
cc发布了新的文献求助30
2秒前
馆长应助何秭鄀采纳,获得10
2秒前
Jasper应助伯爵采纳,获得10
3秒前
4秒前
安生完成签到,获得积分10
6秒前
量子星尘发布了新的文献求助10
6秒前
lorentzh发布了新的文献求助10
7秒前
快乐的思真完成签到 ,获得积分10
7秒前
cccchang发布了新的文献求助30
7秒前
Mcling完成签到,获得积分20
7秒前
赫灵竹完成签到,获得积分10
8秒前
ding应助march采纳,获得10
8秒前
夏夜完成签到,获得积分10
8秒前
aiyoualxb发布了新的文献求助10
9秒前
9秒前
argb_pump完成签到,获得积分10
10秒前
11秒前
银月葱头完成签到,获得积分10
11秒前
11秒前
cc完成签到,获得积分10
12秒前
时尚的妙芙完成签到,获得积分10
12秒前
12秒前
13秒前
13秒前
脑洞疼应助唠叨的夏山采纳,获得10
14秒前
15秒前
嗯嗯发布了新的文献求助10
15秒前
蔡莹完成签到 ,获得积分10
15秒前
leyi发布了新的文献求助10
15秒前
伯爵发布了新的文献求助10
16秒前
Chenzhs发布了新的文献求助10
16秒前
双儿完成签到,获得积分10
16秒前
aiyoualxb完成签到,获得积分10
17秒前
17秒前
烟花应助SeKa采纳,获得10
18秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
《微型计算机》杂志2006年增刊 1600
Einführung in die Rechtsphilosophie und Rechtstheorie der Gegenwart 1500
Binary Alloy Phase Diagrams, 2nd Edition 1000
Air Transportation A Global Management Perspective 9th Edition 700
DESIGN GUIDE FOR SHIPBOARD AIRBORNE NOISE CONTROL 600
NMR in Plants and Soils: New Developments in Time-domain NMR and Imaging 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 内科学 生物化学 物理 计算机科学 纳米技术 遗传学 基因 复合材料 化学工程 物理化学 病理 催化作用 免疫学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 4968983
求助须知:如何正确求助?哪些是违规求助? 4226239
关于积分的说明 13162306
捐赠科研通 4013460
什么是DOI,文献DOI怎么找? 2196115
邀请新用户注册赠送积分活动 1209441
关于科研通互助平台的介绍 1123519