Missing data imputation using a truncated Gaussian infinite factor model with application to metabolomics data
用于代谢组缺失值插补的截断高斯无限因子模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：因子结构用于代谢组缺失值插补，摘要未提供宏观因子或金融因子方向的文本依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
用于代谢组缺失值插补的截断高斯无限因子模型
- 研究问题
- 高维代谢组数据同时存在随机缺失与检测限导致的非随机缺失时，如何在遵守物理约束的同时插补并量化不确定性？
- 方法与思路
- 作者提出截断高斯无限因子模型，用潜在因子捕捉高维依赖，以贝叶斯方法处理插补值与缺失机制的不确定性，并用交换算法计算后验。
- 材料陈述的贡献
- 摘要称方法无需预先指定因子数量，可生成符合物理约束的插补结果及不确定性度量，并以模拟和尿液代谢组数据展示应用。
- 阅读关注点
- 应核对检测限与缺失机制的建模方式、两类缺失的可区分性、先验敏感性，以及交换算法的后验有效性和计算收敛。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明缺失机制辨识条件或计算规模，所述代码与插补效果未独立核验。
原文摘要
Metabolomics is the study of small molecules in biological samples. Metabolomics data are typically high-dimensional and contain highly correlated variables and frequent missing values. Both missing at random (MAR) data, due to acquisition or processing errors, and missing not at random (MNAR) data, caused by values falling below detection thresholds, are common. Thus, imputation is a critical component of downstream analysis. Existing imputation methods generally assume one type of data missingness mechanism, or impute values outside the data's physical constraints. A novel truncated Gaussian infinite factor analysis (TGIFA) model is proposed to perform statistically principled and physically realistic imputation in metabolomics data. By incorporating truncated Gaussian assumptions, TGIFA respects the data's physical constraints, while leveraging an infinite latent factor framework to capture high-dimensional dependencies without pre-specifying the number of latent factors. Our Bayesian inference approach enables uncertainty quantification in both the values of the imputed data, and the missing data mechanism. A computationally efficient exchange algorithm enables scalable posterior inference via Markov Chain Monte Carlo. We validate TGIFA through a comprehensive simulation study and demonstrate its utility in a motivating urinary metabolomics dataset, where it yields useful imputations, with associated uncertainty quantification. Open-source R code, available at https://github.com/kfinucane/TGIFA, accompanies TGIFA.