Расширимая байесовская модель функциональных коэффициентов для высокомерных продольных молекулярных данных
arXiv: 2603,20844v2 Annuales Type: заменить резюме. Крупномасштабное продольное молекулярное профилирование в настоящее время прочно установлено при проведении биомедицинских исследований, что вызвано необходимостью выявления скоординированных биомаркеровых траекторий, отражающих динамику основных биологических механизмов и характеризующих неоднородность пациентов при прогрессировании заболеваний. Хотя существует целый ряд статистических инструментов для продольного моделирования или проведения анализа с использованием большого объема данных, единой основы для совместного решения этих вопросов не существует. С учетом результатов продольного исследования COVID-19, проведенного в Кембриджских больницах, мы предлагаем модель функциональных факторов Байеса для устранения этого разрыва. Эта система сочетает моделирование скрытых факторов и функциональный анализ основных компонентов для представления общих временных программ по поднаборам переменных при одновременном учете индивидуальных вариаций на основе низкомерных функциональных оценок. Мы определяем приводы, создающие спарстификацию, которые дают интерпретируемую структуру факторов и допускают эффектi