Influência de funções de covariâncias sobre o modelo fatorial latente esparso com interações

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: Erick da Conceição Amorim
Orientador(a): Vinicius Diniz Mayrink
Banca de defesa: Marcos Oliveira Prates, Michelle Ferreira Miranda
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Minas Gerais
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Priori esparsa
Genoma
Inferência bayesiana
Processo gaussiano
Link de acesso: http://hdl.handle.net/1843/BUBD-A89QGT
Resumo: A analise fatorial é uma ferramenta estatistica bastante utilizada para identificar um numero reduzido de fatores que explicam o relacionamento entre diversas variaveis em um conjunto de dados. Neste trabalho, exploramos essa tecnica com uma abordagem Bayesianano contexto de analise de expressãoo de genes. Inicialmente, estudamos o modelo fatorial latente simples e verificamos seu ajuste a um conjunto de dados simulados. Em seguida, analisamos o modelo fatorial latente com interacões juntamente com distribuições a priori esparsas para testar se os fatores, definidos para regioes com alteração do numero de copias, estariam afetando genes localizados em outras regiões do genoma. A interação não linear foi introduzida no modelo por meio de um Processo Gaussiano que apresenta em sua estrutura uma função de covariâncias que seria o foco principal neste trabalho. O comportamento e desempenho do modelo fatorial latente esparso com interações sera avaliado a partir de simulações utilizando diferentes funções s de covariâncias: exponencial quadratica, como abordado em Mayrink e Lucas (2013), exponencial potência e funções da classe Matern que se distinguem em termos da escolha dos parâmetros suavizadores. Uma analise de sensibilidade e realizada considerando estas configurações, os resultados indicam que algumas especificações fornecem melhores ajustes que outras. Para analizar, uma aplicação a dados reais é mostrada considerando a configuração de covariâncias com indicação de melhores resultados no caso simulado.
id UFMG_cd39748810684320aafb62223e14853c
oai_identifier_str oai:repositorio.ufmg.br:1843/BUBD-A89QGT
network_acronym_str UFMG
network_name_str Repositório Institucional da UFMG
repository_id_str
spelling Vinicius Diniz MayrinkMarcos Oliveira PratesMichelle Ferreira MirandaErick da Conceição Amorim2019-08-12T07:58:12Z2019-08-12T07:58:12Z2016-02-26http://hdl.handle.net/1843/BUBD-A89QGTA analise fatorial é uma ferramenta estatistica bastante utilizada para identificar um numero reduzido de fatores que explicam o relacionamento entre diversas variaveis em um conjunto de dados. Neste trabalho, exploramos essa tecnica com uma abordagem Bayesianano contexto de analise de expressãoo de genes. Inicialmente, estudamos o modelo fatorial latente simples e verificamos seu ajuste a um conjunto de dados simulados. Em seguida, analisamos o modelo fatorial latente com interacões juntamente com distribuições a priori esparsas para testar se os fatores, definidos para regioes com alteração do numero de copias, estariam afetando genes localizados em outras regiões do genoma. A interação não linear foi introduzida no modelo por meio de um Processo Gaussiano que apresenta em sua estrutura uma função de covariâncias que seria o foco principal neste trabalho. O comportamento e desempenho do modelo fatorial latente esparso com interações sera avaliado a partir de simulações utilizando diferentes funções s de covariâncias: exponencial quadratica, como abordado em Mayrink e Lucas (2013), exponencial potência e funções da classe Matern que se distinguem em termos da escolha dos parâmetros suavizadores. Uma analise de sensibilidade e realizada considerando estas configurações, os resultados indicam que algumas especificações fornecem melhores ajustes que outras. Para analizar, uma aplicação a dados reais é mostrada considerando a configuração de covariâncias com indicação de melhores resultados no caso simulado.The factor analysis is an statistical tool widely used to identify a reduced number of factors supposed to explain the relationship between many variables in a data set. In this work, we explore this technique using the Bayesian approach in context of the analysis of gene expression. Initially, we study the simple latent factor model and verify its performance to t simulated data. Next, we evaluate the latent factor model withinteractions assuming sparse prior distributions to test whether the factors, dened for regions with copy number alterations, would aect genes located in other regions of the genome. The interaction was introduced in the model through a Gaussian process having in its structure a covariance function which is a key element in our study. The behavior and performance of the sparse latent factor model with interactions was evaluated through simulations using dierent covariances functions: quadratic exponential, as discussed inMayrink and Lucas (2013), power exponential and some functions options in the Matern class that dier in terms of the choice of the smoothing parameters. A sensitivity analysis is made considering these settings and the results indicate that some specications providea better model t than others. Finally, an application involvingUniversidade Federal de Minas GeraisUFMGSeries hipergeometricasEstatisticaInferencia (Logica)Teoria bayesiana de decisão estatisticaPriori esparsaGenomaInferência bayesianaProcesso gaussianoInfluência de funções de covariâncias sobre o modelo fatorial latente esparso com interaçõesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALprincipal.pdfapplication/pdf5899539https://repositorio.ufmg.br/bitstream/1843/BUBD-A89QGT/1/principal.pdf40d35a918ce01a32b6f464039158b404MD51TEXTprincipal.pdf.txtprincipal.pdf.txtExtracted texttext/plain127974https://repositorio.ufmg.br/bitstream/1843/BUBD-A89QGT/2/principal.pdf.txtdf03d667994b472b1bb7499f526f495fMD521843/BUBD-A89QGT2019-11-14 13:44:08.843oai:repositorio.ufmg.br:1843/BUBD-A89QGTRepositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T16:44:08Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
dc.title.pt_BR.fl_str_mv Influência de funções de covariâncias sobre o modelo fatorial latente esparso com interações
title Influência de funções de covariâncias sobre o modelo fatorial latente esparso com interações
spellingShingle Influência de funções de covariâncias sobre o modelo fatorial latente esparso com interações
Erick da Conceição Amorim
Priori esparsa
Genoma
Inferência bayesiana
Processo gaussiano
Series hipergeometricas
Estatistica
Inferencia (Logica)
Teoria bayesiana de decisão estatistica
title_short Influência de funções de covariâncias sobre o modelo fatorial latente esparso com interações
title_full Influência de funções de covariâncias sobre o modelo fatorial latente esparso com interações
title_fullStr Influência de funções de covariâncias sobre o modelo fatorial latente esparso com interações
title_full_unstemmed Influência de funções de covariâncias sobre o modelo fatorial latente esparso com interações
title_sort Influência de funções de covariâncias sobre o modelo fatorial latente esparso com interações
author Erick da Conceição Amorim
author_facet Erick da Conceição Amorim
author_role author
dc.contributor.advisor1.fl_str_mv Vinicius Diniz Mayrink
dc.contributor.referee1.fl_str_mv Marcos Oliveira Prates
dc.contributor.referee2.fl_str_mv Michelle Ferreira Miranda
dc.contributor.author.fl_str_mv Erick da Conceição Amorim
contributor_str_mv Vinicius Diniz Mayrink
Marcos Oliveira Prates
Michelle Ferreira Miranda
dc.subject.por.fl_str_mv Priori esparsa
Genoma
Inferência bayesiana
Processo gaussiano
topic Priori esparsa
Genoma
Inferência bayesiana
Processo gaussiano
Series hipergeometricas
Estatistica
Inferencia (Logica)
Teoria bayesiana de decisão estatistica
dc.subject.other.pt_BR.fl_str_mv Series hipergeometricas
Estatistica
Inferencia (Logica)
Teoria bayesiana de decisão estatistica
description A analise fatorial é uma ferramenta estatistica bastante utilizada para identificar um numero reduzido de fatores que explicam o relacionamento entre diversas variaveis em um conjunto de dados. Neste trabalho, exploramos essa tecnica com uma abordagem Bayesianano contexto de analise de expressãoo de genes. Inicialmente, estudamos o modelo fatorial latente simples e verificamos seu ajuste a um conjunto de dados simulados. Em seguida, analisamos o modelo fatorial latente com interacões juntamente com distribuições a priori esparsas para testar se os fatores, definidos para regioes com alteração do numero de copias, estariam afetando genes localizados em outras regiões do genoma. A interação não linear foi introduzida no modelo por meio de um Processo Gaussiano que apresenta em sua estrutura uma função de covariâncias que seria o foco principal neste trabalho. O comportamento e desempenho do modelo fatorial latente esparso com interações sera avaliado a partir de simulações utilizando diferentes funções s de covariâncias: exponencial quadratica, como abordado em Mayrink e Lucas (2013), exponencial potência e funções da classe Matern que se distinguem em termos da escolha dos parâmetros suavizadores. Uma analise de sensibilidade e realizada considerando estas configurações, os resultados indicam que algumas especificações fornecem melhores ajustes que outras. Para analizar, uma aplicação a dados reais é mostrada considerando a configuração de covariâncias com indicação de melhores resultados no caso simulado.
publishDate 2016
dc.date.issued.fl_str_mv 2016-02-26
dc.date.accessioned.fl_str_mv 2019-08-12T07:58:12Z
dc.date.available.fl_str_mv 2019-08-12T07:58:12Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1843/BUBD-A89QGT
url http://hdl.handle.net/1843/BUBD-A89QGT
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.publisher.initials.fl_str_mv UFMG
publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFMG
instname:Universidade Federal de Minas Gerais (UFMG)
instacron:UFMG
instname_str Universidade Federal de Minas Gerais (UFMG)
instacron_str UFMG
institution UFMG
reponame_str Repositório Institucional da UFMG
collection Repositório Institucional da UFMG
bitstream.url.fl_str_mv https://repositorio.ufmg.br/bitstream/1843/BUBD-A89QGT/1/principal.pdf
https://repositorio.ufmg.br/bitstream/1843/BUBD-A89QGT/2/principal.pdf.txt
bitstream.checksum.fl_str_mv 40d35a918ce01a32b6f464039158b404
df03d667994b472b1bb7499f526f495f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)
repository.mail.fl_str_mv
_version_ 1801677173013086208

Registros relacionados