稀疏和不规则的纵向数据的动态因子分析:在COVID-19研究中对代谢物测量的应用
Jiachen Cai1, Robert J B Goudie1, Brian D M Tom1
1MRC Biostatistics Unit, University of Cambridge, Cambridge, UK.
本研究引入了一个动态因子分析模型,从稀疏的代谢物数据中发现相互作用的生物途径. 该方法确定了与COVID-19严重程度和生物标志物 taurine 相关的 kynurenine 途径.
科学领域:
- 生物统计学 生物统计学
- 系统生物学 系统生物学
- 计算生物学 计算生物学
背景情况:
- 因子分析 (FA) 将生物路径建模为驱动观察到的生物标志物活动的潜在因素.
- 经典的FA假设因子独立,这在具有相互作用途径的复杂生物系统中经常受到侵犯.
- 纵向生物数据,如代谢物测量,经常稀疏和不规则地收集.
研究的目的:
- 开发一个动态因子分析 (DFA) 模型,以考虑相互作用的生物途径之间的交叉相关性.
- 为了应对稀缺的纵向数据所带来的挑战,并减轻过度装配.
- 为参数估计提供一个计算效率高的算法.
主要方法:
- 提出了一个动态因子分析模型,在因子轨迹之前结合了多输出高斯过程 (MOGP),以捕捉路径相互作用.
- 引入了对MOGP超参数的粗性处罚,并允许非零平均函数处理数据稀疏性并防止过拟合.
- 开发了一个可扩展的随机预期最大化 (StEM) 算法,以高效稳定地估计MOGP超参数.
主要成果:
- 与模拟中的现有方法相比,StEM算法表现出卓越的性能,速度快20倍,并产生更准确,更稳定的MOGP超参数估计.
- 该方法成功地确定了与COVID-19患者临床严重程度显著相关的kynurenine途径.
- 这项研究揭示了生物标志物 taurine 在COVID-19疾病进展的背景下具有新的作用.
结论:
- 提出的具有MOGP先验的动态因子分析模型有效地从稀疏的纵向数据中捕获交互的生物途径.
- 在这种模型中,StEM算法为参数估计提供了一个可扩展和高效的解决方案.
- 这些发现提供了对COVID-19严重性背后的生物机制的新见解,突出了kynurenine途径和 taurine.
更多相关视频
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
10:46A Method of Trigonometric Modelling of Seasonal Variation Demonstrated with Multiple Sclerosis Relapse Data
Published on: December 9, 2015
相关概念视频
Longitudinal Studies
Factorial Design
Longitudinal Research
Mechanistic Models: Compartment Models in Individual and Population Analysis
One-Way ANOVA: Unequal Sample Sizes
Noncompartmental Analysis: Statistical Moment Theory
