• 医学文献
  • 知识库
  • 评价分析
  • 全部
  • 中外期刊
  • 学位
  • 会议
  • 专利
  • 成果
  • 标准
  • 法规
  • 临床诊疗知识库
  • 中医药知识库
  • 机构
  • 作者
热搜词:
换一批
论文 期刊
取消
高级检索

检索历史 清除

医学文献 >>
  • 全部
  • 中外期刊
  • 学位
  • 会议
  • 专利
  • 成果
  • 标准
  • 法规
知识库 >>
  • 临床诊疗知识库
  • 中医药知识库
评价分析 >>
  • 机构
  • 作者
热搜词:
换一批

高维组学数据分析中的贝叶斯变量选择方法

Introduction to Bayesian variable selection methods in high-dimensional omics data analysis

摘要:

随着基因组测序技术和生物信息学的迅猛发展,近几年涌现了大量与疾病相关的组学数据即所谓高维数据.对于这类组学数据,共同特点是自变量个数p通常远大于观察例数n,且自变量间往往高度相关,从成千上万个组学数据中识别出真正有意义的自变量带来一些统计学挑战.本文对高维数据中的贝叶斯变量选择方法做论述.

更多
abstracts:

With the rapid development of genome sequencing technology and bioinformatics in recent years,it has become possible to measure thousands of omics data which might be associated with the progress of diseases,i.e."high-dimensional data".This type of omics data have a common feature that the number of variable p is usually greater than the observation cases n,and often has high correlation between independent variables.Therefore,it is a great statistical challenge to identify really meaningful variables from omics data.This paper summarizes the methods of Bayesian variable selection in the analysis of high-dimensional data.

More
作者: 董晓强 [1] 许树红 [1] 陶然 [1] 王彤 [1]
期刊: 《中华流行病学杂志》2017年38卷5期 679-683页 MEDLINEISTICPKUCSCD
栏目名称: 基础理论与方法
DOI: 10.3760/cma.j.issn.0254-6450.2017.05.025
发布时间: 2017-06-30
基金项目:
国家自然科学基金(81473073)National Natural Science Foundation of China
  • 浏览:117
  • 下载:56

加载中!

相似文献

  • 中文期刊
  • 外文期刊
  • 学位论文
  • 会议论文

加载中!

加载中!

加载中!

加载中!

扩展文献

特别提示:本网站仅提供医学学术资源服务,不销售任何药品和器械,有关药品和器械的销售信息,请查阅其他网站。

  • 客服热线:4000-115-888 转3 (周一至周五:8:00至17:00)

  • |
  • 客服邮箱:yiyao@wanfangdata.com.cn

  • 违法和不良信息举报电话:4000-115-888,举报邮箱:problem@wanfangdata.com.cn,举报专区

官方微信
万方医学小程序
new翻译 充值 订阅 收藏 移动端

官方微信

万方医学小程序

使用
帮助
Alternate Text
调查问卷