SLFM: an R package to evaluate coherent patterns in microarray data via factor analysis

Abstract

O desenvolvimento de métodos baseados em simulação, como a cadeia de Markov Monte Carlo (MCMC), tem contribuído para um aumento do interesse no framework Bayesiano como uma alternativa para lidar com modelos fatoriais. Muitos estudos usaram análise fatorial bayesiana para explorar dados de expressão gênica. Estamos particularmente interessados ​​na aplicação de um modelo de fator latente esparso (SLFM) baseado em prioris de esparsidade (misturas) para avaliar a significância dos fatores. O SLFM mede a força do padrão de expressão coerente observado nos dados, o que é uma importante fonte de informação para avaliar a atividade do gene. Na literatura, esse tipo de modelo tem mostrado melhores resultados do que outras abordagens destinadas à identificação de padrões e grupos metagênicos relacionados à biologia subjacente. No entanto, um modelo de fator bayesiano completo baseado em algoritmos MCMC tem um custo computacional caro, o que o torna pouco atraente para usuários em geral. Neste artigo, apresentamos o pacote slfm que usa implementação C++ via Rcpp para melhorar o desempenho computacional do SLFM dentro da ferramenta estatística amplamente utilizada R. Investigamos dados reais e simulados de microarray relacionados ao câncer de mama.