authorstatisticsshrinkagegraphical-model

Juliane Schäfer

Department of Statistics, University of Munich (LMU), Germany。与 Korbinian Strimmer 合著 Schäfer-Strimmer 2005（SAGMB 4(1), Article 32），把 Ledoit-Wolf (2003) 的解析收缩强度落地为闭式协方差/相关估计量，应用于功能基因组学的 gene association network（GGM）推断；提出 local-fdr 边级模型选择与 "shrinkage GGM > lasso > bootstrap > pseudo-inverse" 的实证排序。

与 quant 相关的核心工作

  • 2005 SAGMB*** — *A Shrinkage Approach to Large-Scale Covariance Matrix Estimation and Implications for Functional Genomics。LW (2003) Lemma 1 首次完整代入经验方差，target D（对角不等方差）使 S_\star **总是正定且自动兼容 n\ll p。在 p=102, n=8 的 E. coli 数据中 S 秩仅 8，S_\star 秩 102 且 condition number 386.6。
  • **2005 Bioinformatics*** (Schäfer & Strimmer 2005a) — *An Empirical Bayes Approach to Inferring Large-Scale Gene Association Networks。GGM 选择的 empirical Bayes mixture 框架（Hotelling 1953 精确零分布 + Efron locfdr）。
  • **2005 AIP Conf. Proc.*** (Schäfer & Strimmer 2005b) — *Learning Large-Scale Graphical Gaussian Models from Genomic Data。Science of Complex Networks 776, 263-276。

工程贡献

  • R 包 corpcor（Computing Correlation and Partial Correlations）：LW 收缩协方差/相关 + (partial) correlation 计算，GPL，CRAN 长期维护。
  • R 包 GeneTS（Gene Targeting System / Genomic Time Series）：microarray 数据的 GGM 推断与可视化，Bioconductor + CRAN 双发。

See also