Multivariate Poisson lognormal distribution for modeling counts from modern biological data: An overview
Notice bibliographique
Résumé
Modern biological data are often multivariate discrete counts, and there has been a dearth of statistical distributions to directly model such counts in an efficient manner. While mixed Poisson distributions, e.g., negative binomial distribution, are often the distribution of choice for univariate data, multivariate statistical distributions and their algorithmic implementations tend to have different drawbacks, e.g., non-tractable distributions, non-closed form solutions for parameter estimates, constrained correlation structures, and slow convergence during iterative parameter estimation. Herein, we provide an overview of the Poisson lognormal and multivariate Poisson lognormal distributions. These distributions can be written in an hierarchical fashion. An efficient variational approximation-based parameter estimation strategy as well as a hybrid approach for full Bayesian posterior estimation is available for such models, allowing for scaling up and modeling high-dimensional data. We provide comparisons of the univariate Poisson, the negative binomial, and the Poisson lognormal distributions in terms of the estimated mean-variance relationships using simulations and example real datasets. We also discuss the properties of the multivariate Poisson lognormal distribution, and ability to directly model count data including zero counts, over-dispersion, both positive and negative covariance elements, and the mapping from correlations in the latent space vs. the observed space. Finally, we illustrate their use through two model-based clustering examples using a mixtures of distributions approach in RNA-seq and microbiome data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».