跨多维时间序列实验中的生物标志物翻译
摘要：在生物医学研究中，将潜在的疾病生物标志物从多物种的组学实验中进行翻译是一种新的方向。现有的方法局限于简单的实验设置，如基本的健康-疾病比较。这些方法中大多数还需要事先匹配物种间的变量（如基因或代谢物）。然而，许多实验具有复杂的多路实验设计，经常涉及不规则采样的时间序列测量，并且例如代谢物在不同生物之间并不总是有已知的匹配。我们引入了一种贝叶斯建模框架，用于在多物种中翻译具有复杂的多路时间序列实验设计的组学实验结果。其中的基本假设是可以通过变量对多个协变量（包括时间）的响应来推断未知的匹配关系。
作者：Ilkka Huopaniemi, Tommi Suvitaival, Matej Orev{s}iv{c}, Samuel Kaski
论文ID：1012.3407
分类：Machine Learning
分类简称：stat.ML
提交时间：2010-12-16