Статистические данные > Методология [представлена 4 сентября 2026 года] Название: Непараметрическая гипотеза Тестирование высокомерной кластеризации с применением к одноклеточному виде данных PDF HTML (экспериментальный) резюме: Сингл-клеток RNA последовательность исследований регулярно использует кластеры для определения типа и состояния клеток, однако наблюдаемое разделение может возникнуть скорее в результате изменчивости выборки, чем подлинной биологической неоднородности. В настоящем документе изучается официальная проверка такой структуры кластеризации в высокомерных данных. Существующие методы SigClust оценивают значение кластеризации с помощью моделирования Монте Карло в рамках гауссианского однокласного неультанта, но это предположение может быть ненадежным для нормализованных данных о экспрессии генов и других негаусских параметров. Мы предлагаем SigClust-LCP, непараметрическое расширение, которое моделирует один блок с помощью распределения логарифма. Для того чтобы этот подход можно было рассчитать в умеренных и высоких измерениях, мы разработали оценку оценки для log-concave проекции на основе последних идей по разработке моделей. Мы устанавливаем теоретические гарантии для оценки и ее использования при проверке значимости. Моделирование показывает, что SigClust-LCP более надежно контролирует ошибку типа I по сравнению с существующими методами в рамках целого ряда одновидовых перевозок и распределения смесей при сохранении конкурентной мощности. В ходе анализа…
Непараметрическая гипотеза
arXiv: 2609.05683v1 Annualce Type: New Humber: Single-classive RNA Studies регулярно использует кластеры для определения предполагаемого типа клеток и их состояния, однако наблюдаемое разделение может быть обусловлено не подлинно биологической неоднородностью, а изменчивостью выборки. В настоящем документе изучается официальная проверка такой структуры кластеризации в высокомерных данных. Существующие методы SigClust оценивают значение кластеризации с помощью моделирования Монте Карло в рамках гауссианского однокласного неультанта, но это предположение может быть ненадежным для нормализованных данных о экспрессии генов и других негаусских параметров. Мы предлагаем SigClust-LCP, непараметрическое расширение, которое моделирует один блок с помощью распределения логарифма. Для того чтобы этот подход можно было рассчитать в умеренных и высоких измерениях, мы разработали оценку оценки для log-concave проекции на основе последних идей по разработке моделей. Мы устанавливаем теоретические гарантии для оценки и ее использования в группировании значимости te