稀疏学习随机环境中的马尔可夫人口模型
摘要：马尔可夫人群模型是描述混合交互粒子系统的适当抽象，其中由于低拷贝粒子的参与而造成的随机波动显著。在分子生物学中，单细胞水平上的测量证明了这种随机性，并且人们往往倾向于将同位素细胞群体上的这些测量解释为同一马尔可夫模型的不同样本路径。然而，近年来的证据反对了这种解释，原因是存在与内在波动不同的细胞间变异性。为了解释这种外部变异性，需要考虑随机环境中的马尔可夫模型，而一个关键的新问题是如何对这些模型进行推断。我们通过随机参数化所有倾向函数来建模外部变异性。为了检测哪些倾向性具有显著的变异性，我们提出了一种稀疏学习过程，由一个分层贝叶斯模型捕捉，其证据函数通过使用变分贝叶斯期望最大化算法迭代地最大化。
作者：Christoph Zechner, Federico Wadehn, Heinz Koeppl
论文ID：1401.4026
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2014-01-17