Fisher-Pitman Permutation Tests Based on Nonparametric Poisson Mixtures with Application to Single Cell Genomics
基于非参数泊松混合的 Fisher–Pitman 置换检验及其单细胞基因组学应用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：摘要研究计数混合分布检验和基因表达，未提供与所列经济计量细分方向直接对应的证据。
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…
基于非参数泊松混合的 Fisher–Pitman 置换检验及其单细胞基因组学应用
- 研究问题
- 如何检验未知泊松混合分布是否相同，并适应计数数据中未预先指定的复杂结构，以识别不同受试者群体的基因表达差异？
- 方法与思路
- 作者基于混合分布的非参数极大似然估计构造 Fisher–Pitman 型置换检验，并通过理论分析及单细胞测序数据考察其表现。
- 材料陈述的贡献
- 摘要称检验能适应复杂计数结构，对相应方差分析型备择具有一致性；还建立估计速率最优性，并发现常用检验遗漏的差异表达基因。
- 阅读关注点
- 应核对置换所需的数据结构、检验目标与备择定义、混合分布估计的最优性条件，以及基因筛选中的多重检验处理。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未说明具体条件、误差控制及应用结果的稳健性。
原文摘要
This article investigates the theoretical and empirical performance of Fisher-Pitman-type permutation tests for assessing the equality of unknown Poisson mixture distributions. Building on nonparametric maximum likelihood estimators (NPMLEs) of the mixing distribution, these tests are theoretically shown to be able to adapt to complicated unspecified structures of count data and also consistent against their corresponding ANOVA-type alternatives; the latter is a result in parallel to classic claims made by Robinson. The studied methods are then applied to a single-cell RNA-seq data obtained from different cell types from brain samples of autism subjects and healthy controls; empirically, they unveil genes that are differentially expressed between autism and control subjects yet are missed using common tests. For justifying their use, rate optimality of NPMLEs is also established in settings similar to nonparametric Gaussian (Wu and Yang) and binomial mixtures (Tian, Kong, and Valiant; Vinayak et al.). Supplementary materials for this article are available online.