Backward nested descriptors asymptotics with inference on stem cell differentiation
反向嵌套描述子的渐近理论及干细胞分化推断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。
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：主体是流形数据描述子的渐近理论，干细胞应用中的变点不足以将其归入宏观结构变化。
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…
关注这篇论文的作者
反向嵌套描述子的渐近理论及干细胞分化推断
- 研究问题
- 流形或分层空间数据降维产生的反向嵌套描述子，能否建立一致性与渐近正态理论，并用于干细胞分化的统计推断？
- 方法与思路
- 作者以反向嵌套描述子族统一表述问题，在不同条件下建立强一致性、联合或个体渐近正态性，并构造嵌套自助两样本检验。
- 材料陈述的贡献
- 摘要称，理论适用于多种嵌套球面与测地线分析；模拟展示检验，干细胞数据应用追踪早期分化并定位一个变点。
- 阅读关注点
- 应核对局部坐标的可微条件、坐标分解如何支持个体正态性、自助检验的有效性，以及粗时间网格下变点定位的依据。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未列完整条件、检验误差或变点不确定性，不能据此确认生物机制。
原文摘要
For sequences of random backward nested subspaces as occur, say, in dimension reduction for manifold or stratified space valued data, asymptotic results are derived. In fact, we formulate our results more generally for backward nested families of descriptors (BNFD). Under rather general conditions, asymptotic strong consistency holds. Under additional, still rather general hypotheses, among them existence of a.s. local twice differentiable charts, asymptotic joint normality of a BNFD can be shown. If charts factor suitably, this leads to individual asymptotic normality for the last element, a principal nested mean or a principal nested geodesic, say. It turns out that these results pertain to principal nested spheres (PNS) and principal nested great subsphere (PNGS) analysis by Jung, Dryden and Marron [Biometrika 99 (2012) 551–568] as well as to the intrinsic mean on a first geodesic principal component (IMo1GPC) for manifolds and Kendall’s shape spaces. A nested bootstrap two-sample test is derived and illustrated with simulations. In a study on real data, PNGS is applied to track early human mesenchymal stem cell differentiation over a coarse time grid and, among others, to locate a change point with direct consequences for the design of further studies.