Modellbasierte Clusteranalyse von Microarray-Expressionsdaten über latente Gaußsche Mischmodelle

MOTIVATION: In den letzten Jahren wurde an der Clusteranalyse von Genexpressions-Microarray-Daten gearbeitet. Einige Ansätze basieren auf einem algorithmischen Blickwinkel, während andere durch die Anwendung von Mischmodellen entwickelt wurden. In diesem Artikel wird eine Familie von acht Mischmodellen, die die Kovarianzstruktur der Faktorenanalyse nutzt, auf 12 Modelle erweitert und auf Genexpressions-Microarray-Daten angewendet. Dieser Modellierungsansatz baut auf früheren Arbeiten auf, indem eine modifizierte Kovarianzstruktur der Faktorenanalyse eingeführt wird, die zu einer Familie von 12 Mischmodellen führt, einschließlich sparsamer Modelle. Diese Modellfamilie ermöglicht die Modellierung der Korrelation zwischen Genexpressionsniveaus, selbst wenn die Anzahl der Proben gering ist. Die Parameterschätzung erfolgt mit einer Variante des Erwartungs-Maximierungsalgorithmus und die Modellauswahl wird unter Verwendung des Bayesschen Informationskriteriums erreicht. Diese erweiterte Familie von Gaußschen Mischmodellen, bekannt als die erweiterte sparsamen Gaußsche Mischmodellfamilie (EPGMM), wird dann auf zwei bekannte Datensätze zur Genexpression angewendet. ERGEBNISSE: Die Leistung der EPGMM-Modellfamilie wird mit dem angepassten Rand-Index quantifiziert. Diese Modellfamilie zeigt eine sehr gute Leistung im Vergleich zu bestehenden populären Clustertechniken, wenn sie auf reale Genexpressions-Microarray-Daten angewendet wird. VERFÜGBARKEIT: Die reduzierten, vorverarbeiteten Daten, die analysiert wurden, sind unter www.paulmcnicholas.info verfügbar.