稳健的多视角共表达网络推断

该论文探究高维高斯图形模型的估计问题，提出网络差异源于被扰动的个别节点或共享的公共中心节点。

使用凸优化和多重乘数算法解决估计问题，并通过合成数据、网页数据和癌症基因表达数据进行说明。

结合图卷积神经网络和基因交互图，克服基因表达数据不足的问题，强调模型表现依赖于图的质量。

基于贝叶斯方法的计算模型用于发现基因之间的局部因果关系，推导出有意义的调控关系。

提出基于图变分贝叶斯因果推断的框架，利用基因调控网络信息预测基因表达，展示在个体响应预测方面的优势。

提出一种可重复的方法直接从真实基因表达数据中推断PBN，解决大网络计算困难的问题。

介绍基于相关聚类和投影的处理单细胞RNA测序数据的方法，改善降维工具的可视化和准确性。

提出先进的单细胞聚类模型，通过双图对齐整合基因网络信息，优化聚类结果，为早期疾病诊断奠定基础。

探讨单细胞RNA测序数据中的零值问题对基因调控网络推断的影响。

开发综合性嵌入多尺度分子网络数据的框架，以实现个性化医疗的可解释性利用。

基于网络的邻域回归框架揭示网络模块之间的调控强度，展示所提方法在基因模块鉴定中的应用。