...技术中聚类学习效果差及客户端之间和客户端内部的数据异质性问题

其方法包括步骤:客户端接收服务器下发的模型进行训练并根据模型的参数进行聚合;通过函数映射生成客户端的签名;在本地模型中添加个性化因子并将除个性化因子之外的模型层参数和签名上传至服务器;服务器根据各客户端的签名进行聚类并在聚类簇内部执行联邦平均;客户端接收服务器下发的联邦平均后的模型参数并结合个性化因子进...

基于影像多组学数据库的无创可视化新方法,揭示乳腺癌肿瘤内异质性...

GITH通过采用突变等位基因肿瘤异质性(MATH)算法来测量[9](图5A),MATH值增加表示表示肿瘤内部的基因组异质性(GITH)逐渐增加。与低IITH患者相比,高IITH的患者在基因组上更具有遗传多样性或基因组异质性(P=0.049;图5B)。另外,本研究还计算了肿瘤突变负荷(TMB)和新生抗原负荷,发现高TMB(P=0.005)和新生抗原负荷(P...

科学家开发出从空间组学数据解析肿瘤微环境的异质图学习方法

该研究提出了从空间组学数据解析肿瘤微环境异质性的深度学习方法(stKeep)——基于异质图模型集成空间转录的多模态数据(基因表达、物理位置、病理学信息、肿瘤区域)和分子网络信息(蛋白互作网络、基因调控网络和配体-受体互作网络),识别肿瘤微环境的异质性细胞状态、特异性基因-基因互作网络以及与疾病进展相关的细胞通讯模式...

【科技自立自强】西安交大科研团队开发多阶段单细胞转录数据的...

方法称为TDEseq,即时间序列scRNA-seq数据的时间差异表达基因。TDEseq采用线性可加混合模型(LAMM)来拟合单个基因表达值和时间点的关系,通过引入形状约束的样条函数表征基因表达水平的时间序列动态变化过程检测具有特定表达模式的时间动态差异基因,引入随机效应项以控制样本间的异质性,并最终产生统计学上严格的p值。TDEseq...

多阶段单细胞转录数据的基因识别统计方法问世—新闻—科学网

TDEseq采用线性可加混合模型(LAMM)来拟合单个基因表达值和时间点的关系,通过引入形状约束的样条函数表征基因表达水平的时间序列动态变化过程检测具有特定表达模式的时间动态差异基因,引入随机效应项以控制样本间的异质性,并最终产生统计学上严格的p值。TDEseq不仅保证了更高的检验效力,也实现了更好的对错误发现率的控制...

顶刊论文复刻全文老师讲《银行监管处罚如何影响企业创新》(因果...

11、稳健性检验数据代码运行及结果解析,(更换估计方法(反双曲正弦、固定效应泊松回归)、更换被解释变量、企业创新的滞后性、剔除直辖市样本、Heckman两步法12、异质性分析数据运行及结果解析,企业规模、银企关系、企业的技术属性13、机制分析数据运行及结果解析,银行监管处罚与可用信贷资源,银行监管处罚与企业信贷结构...

如何从实验中获得更多?——AB实验的异质性分析实践

下面的表格对传统维度下钻方式和uplift模型异质性分析进行比较:综合来看,维度下钻的主要问题一是在于难以选择维度组合,一方面无法将维度影响(维度组合或混淆因子)考虑全面、二是交叉维度高时操作困难;二是维度组合下的划分结果实验显著性不可信。而利用Uplift方法,得到稳定和置信的模型前提下,这些问题将迎刃而解,在第...

综述| 以系统发育方法解析肿瘤进化

第一种方法涉及将外部数据直接映射到系统发育树的结构上,通过在树上添加象征性的点或标签来注解,从而帮助发现特定的进化事件或重要的亚克隆。这种直观的视觉特征能够在肿瘤系统发育学的背景下,提供宝贵的信息,突出显示进化历程中的关键节点。第二种方法则是通过将额外的图层,如突变剖面或亚克隆特征图,与系统发育树的...

Stata夏季训练营—《计量经济实证方法与论文写作研讨会》二期...

截面相关的面板数据分析简介:异质性、动态性与截面相关是宏观面板数据的非常重要的特征,经验研究的一个常见问题是将宏观数据做微观式处理。本专题介绍宏观面板数据的截面相关测度与检验,以及考虑截面相关时面板ARDL模型的估计策略。内容:??异质性面板的MG估计与PMG估计...

我国居民乙肝疫苗接种意愿的影响因素:Meta 分析

5.统计方法使用R4.2.1进行Meta分析,计算我国居民接种HBV疫苗意愿的影响因素的OR值及其95%置信区间作为效应量反映各因素与HBV疫苗接种意愿的关系。异质性检验:通过异质性检验反映各研究间的异质性,其统计量为I2和P值,当I2≤50%且P≥0.1时,采用固定效应模型,反之,采用随机效应模型。