SBICgraph运用结构性贝叶斯信息准则（SBIC）以两步算法进行网络模型中的模型选择，旨在生成网络模型

输出 github_document SBIC：用于候选模型中模型选择的结构贝叶斯信息准则（SBIC） 该方法的R-package实现在Zhou等人的论文“高斯图形模型的信息增强模型选择及其在代谢组学数据中的应用”中提出。 2020年。 抽象的鉴于许多大型生物数据集的低信噪比性质，我们提出了一种使用高斯图形模型结合先验知识来学习关联网络结构的新颖方法。 我们的策略包括两个部分。 在第一部分中，我们提出了一种称为结构贝叶斯信息准则（SBIC）的模型选择准则，其中先验结构被建模并合并到贝叶斯信息准则（BIC）中。 结果表明，流行的扩展BIC（EBIC）是SBIC的特例。 在第二部分中，我们提出了一个两步算法来构造候选模型库。 该算法是数据驱动的，并且先验结构会自动嵌入到候选模型中。 理论研究表明，在某些温和条件下，SBIC是高维高斯图形模型的一致模型选择准则。 仿真研究证明了该算法优于现有