データ統合のための確率的結合および個別変動の説明（ProJIVE）

要旨: 同じ被験者セットに対して複数のデータタイプを収集することは、ゲノミクス、メタボロミクス、神経画像法を含む現代の科学的応用で一般的です。 Joint and Individual Variance Explained (JIVE) は、共通の被験者に対して取得された2つ以上の特徴セット間の共通変動の低ランク近似を求め、この変動を各特徴セットに固有の変動から分離します。 私たちは JIVE フレームワークの確率モデルを推定するための期待値最大化（EM）アルゴリズムを開発します。 このモデルは、確率的主成分分析を複数データセットに拡張します。 私たちの最尤推定アプローチは、共通成分と個別成分を同時に推定し、他の手法と比較して精度を高める可能性があります。 私たちは ProJIVE を、アルツハイマー病における脳の形態測定と認知に適用します。 ProJIVE は生物学的に意味のある変動パターンを学習し、共通の形態測定と認知の被験者スコアは、より高価な既存のバイオマーカーと強く関連しています。 本論文の作成に使用されたデータは、アルツハイマー病神経画像イニシアティブ（ADNI）データベースから取得されました。 解析を再現するコードは、私たちの GitHub ページで利用可能です。