BatMan：通过分层缓解批次效应以进行生存结局预测
统计方法学
2022-09-09 v1
摘要
转录组学数据可重复性的转化一直受到普遍存在的批次效应的阻碍。管理批次效应的统计方法最初在样本组比较的背景下开发，后来被借用于其他场景如生存结局预测。最著名的此类方法是 ComBat，它通过将批次作为协变量与样本组一起纳入线性回归来调整批次。然而在生存预测中，ComBat 在无明确定义的生存结局组的情况下使用，并与生存回归顺序进行，可能导致混杂结局。为解决这些问题，我们提出一种称为 BatMan（"BATch MitigAtion via stratificatioN"，通过分层缓解批次效应）的新方法。它在生存回归中将批次作为分层调整，并利用如 LASSO 等变量选择方法处理高维性。我们在基于重抽样的模拟研究中，在不同预测信号强度与批次-结局关联模式水平下，评估 BatMan 与 ComBat 的性能，二者均单独使用或与数据标准化联用。我们的模拟显示：（1）当数据中存在批次效应时，BatMan 在几乎所有场景下优于 ComBat；（2）添加数据标准化会恶化它们的性能。我们进一步使用来自癌症基因组图谱的卵巢癌 microRNA 数据评估它们，发现 BatMan 优于 ComBat，而添加数据标准化使预测变差。因此我们的研究显示了 BatMan 的优势，并对在开发生存预测模型背景下朴素使用数据标准化提出警示。BatMan 方法及用于性能评估的模拟工具以 R 实现，并公开于 https://github.com/LXQin/PRECISION.survival。
引用
@article{arxiv.2209.03902,
title = {BatMan: Mitigating Batch Effects via Stratification for Survival Outcome Prediction},
author = {Ai Ni and Mengling Liu and Li-Xuan Qin},
journal= {arXiv preprint arXiv:2209.03902},
year = {2022}
}