ترجمه فارسی مقاله تجزیه ماتریس پیوندی بیز تجربی

چکیده

Data for several applications in diverse fields can be represented as multiple matrices that are linked across rows or columns. This is particularly common in molecular biomedical research, in which multiple molecular “omics” technologies may capture different feature sets (e.g., corresponding to rows in a matrix) and/or different sample populations (corresponding to columns). This has motivated a large body of work on integrative matrix factorization approaches that identify and decompose low-dimensional signal that is shared across multiple matrices or specific to a given matrix. We propose an empirical variational Bayesian approach to this problem that has several advantages over existing techniques, including the flexibility to accommodate shared signal over any number of row or column sets (i.e., bidimensional integration), an intuitive model-based objective function that yields appropriate shrinkage for the inferred signals, and a relatively efficient estimation algorithm with no tuning parameters. A general result establishes conditions for the uniqueness of the underlying decomposition for a broad family of methods that includes the proposed approach. For scenarios with missing data, we describe an associated iterative imputation approach that is novel for the single-matrix context and a powerful approach for “blockwise” imputation (in which an entire row or column is missing) in various linked matrix contexts. Extensive simulations show that the method performs very well under different scenarios with respect to recovering underlying low-rank signal, accurately decomposing shared and specific signals, and accurately imputing missing data. The approach is applied to gene expression and miRNA data from breast cancer tissue and normal breast tissue, for which it gives an informative decomposition of variation and outperforms alternative strategies for missing data imputation.

چکیده به فارسی (ترجمه ماشینی)

داده ها برای چندین برنامه در زمینه های مختلف می تواند به عنوان ماتریس های مختلفی که در ردیف ها یا ستون ها در ارتباط هستند ، نشان داده شوند.این امر به ویژه در تحقیقات زیست پزشکی مولکولی شایع است ، که در آن چندین فن آوری “OMIC” مولکولی ممکن است مجموعه های مختلف ویژگی را ضبط کند (به عنوان مثال ، مربوط به ردیف ها در یک ماتریس) و/یا جمعیت نمونه های مختلف (مربوط به ستون ها).این امر باعث ایجاد یک بدنه بزرگ در مورد رویکردهای فاکتوریزاسیون ماتریس یکپارچه شده است که سیگنال کم بعدی را که در ماتریس های متعدد یا خاص برای یک ماتریس خاص به اشتراک گذاشته شده و تجزیه می کنند ، تجزیه و تجزیه می کنند.ما یک رویکرد بیزی متغیر تجربی برای این مشکل پیشنهاد می کنیم که نسبت به تکنیک های موجود چندین مزیت دارد ، از جمله انعطاف پذیری در اسکان سیگنال مشترک بر روی هر تعداد ردیف یا ستونی (به عنوان مثال ، ادغام پیشنهادات) ، یک عملکرد هدف مبتنی بر مدل بصری که مناسب استانقباض برای سیگنال های استنباط شده و یک الگوریتم تخمین نسبتاً کارآمد با پارامترهای تنظیم.یک نتیجه کلی شرایطی را برای منحصر به فرد بودن تجزیه اساسی برای یک خانواده گسترده از روش هایی که شامل رویکرد پیشنهادی است ، تعیین می کند.برای سناریوها با داده های گمشده ، ما یک رویکرد تکراری تکراری مرتبط را توصیف می کنیم که برای زمینه تک ماتریس و یک رویکرد قدرتمند برای “بلوک جهت” (که در آن یک ردیف یا ستون کامل از دست رفته است) در زمینه های مختلف ماتریس مرتبط است.شبیه سازی های گسترده نشان می دهد که این روش با توجه به بازیابی سیگنال پایین رتبه بندی ، با دقت تجزیه سیگنال های مشترک و خاص ، و داده های مفقود شده ، بسیار خوب در سناریوهای مختلف عملکرد خوبی دارد.این رویکرد برای بیان ژن و داده های miRNA از بافت سرطان پستان و بافت طبیعی پستان اعمال می شود ، که برای آن تجزیه آموزنده ای از تنوع را ارائه می دهد و از استراتژی های جایگزین برای از دست دادن داده ها بهتر عمل می کند.