Resumen

Los valores perdidos son frecuentes en los datos de micromatrices, influyen negativamente en los análisis de micromatrices posteriores y, por lo tanto, deben estimarse a partir de valores conocidos. Proponemos un método BPCA-iLLS, que es una integración de dos métodos de estimación de valores perdidos comúnmente utilizados: el análisis bayesiano de componentes principales (BPCA) y los mínimos cuadrados locales (LLS). El procedimiento inferior de promediación de filas de LLS se sustituye por BPCA, y el método de mínimos cuadrados se introduce en un marco iterativo. Los resultados comparativos demuestran que el método propuesto ha obtenido la mayor precisión de estimación en todos los índices de falta en distintos tipos de conjuntos de datos de prueba.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:bpca, análisis bayesiano de componentes principales, métodos de estimación de valores perdidos, análisis posteriores de microarrays, mayor precisión de estimación, método de mínimos cuadrados, mínimos cuadrados locales, lls, valores, resultado comparativo
• Keywords:bpca, bayesian principal component analysis, missing value estimation methods, downstream microarray analyses, highest estimation accuracy, least squares method, local least squares, lls, values, comparative result