生物统计学生物信息中的算法设计与概率统计模型.PDF

生物统计学： 生物信息中的算法设计与 概率统计模型 2017年秋 有关信息 • 授课教师：宁康 – Email: ningkang@ – Office: 华中科技大学东十一楼504室 – Phone: • 课程网页 – /teach/# – QQ群：418094049 课程安排 • 生物背景和课程简介 研究对象: • 传统生物统计学及其应用 • 生物统计学和生物大数据挖掘 生物序列, – Hidden Markov Model (HMM)及其应用 • Markov Chain 进化树, • HMM理论 • HMM和基因识别 (Topic I) • HMM和序列比对 (Topic II) 生物网络, – 进化树的概率模型 (Topic III ) – Motif finding 中的概率模型 (Topic IV) 基因表达 • EM algorithm • Markov Chain Monte Carlo (MCMC) – 基因表达数据分析 (Topic V) … • 聚类分析-Mixture model • Classification-Lasso Based variable selection – 基因网络推断 (Topic VI) • Bayesian网络 • Gaussian Graphical Model – 基因网络分析 (Topic VII) 方法： • Network clustering • Network Motif 生物计算与生物统计 • Markov random field (MRF) – Dimension reduction及其应用 (Topic VIII) • 面向生物大数据挖掘的深度学习 第5-1章 EM算法 • Maximum likelihood estimation (MLE) • EM算法 • EM for Multinomial distribution What is MLE? • Given – A sample X={X , …, X } 1 n – A vector of parameters θ • We define – Likelihood of the data: L(θ)=P(X | θ) – Log-likelihood of the data: l(θ)=log P(X |