非参数因果发现及其在癌症生物信息学中的应用
摘要：自然界的许多现象本质上是具有因果关系的。发现这些过程中隐含的因果关系可以帮助我们更有效地理解和描述它们，这归结为关于描述它们的数据和变量的因果发现。然而，因果发现并不是一项容易的任务。当前的方法非常复杂且昂贵，在数据量大或涉及的变量性质未知的情况下，它们的实用性严重受到影响。作为一种替代方法，本文提出了一种基于因果关系主要理论的原始方法论，特别是概率因果关系，与正常理论推理方法等有许多交集。基于这种方法论，开发了一种非参数算法，用于在与数据集相关的二元变量之间发现因果关系，并在图形模型中描述它们所描述的因果网络。该算法应用于正常和癌症前列腺组织的基因表达数据集，目的是发现导致癌症发生的基因失调之间的因果关系。从发现的因果关系构建的基因特征与基于相同数据的主成分分析（PCA）的另一个研究进行了比较，并取得了令人满意的结果。
作者：Jean Pierre Gomez
论文ID：2306.16520
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2023-06-30