BOSS——生物标志物最优分割系统
统计方法学
2023-05-17 v1
摘要
动机:精准医学是未来医学的主要趋势。其旨在基于个体的独特特征与需求提供量身定制的医疗与预防策略。生物标志物是精准医学中患者独特特征的主要来源。我们常需考察连续生物标志物的多个截断值以寻找最优者,并检验其能否将患者分割为临床结局显著不同的两组。这需要对重叠数据上进行的检验做多重检验校正。基于置换的方法常是优选方案,因其不受前沿理论方法的局限。然而,置换计算代价高昂,限制了其应用场景,例如需要快速响应的 Web 应用,或需对上万基因重复分析多次的基因组学研究。结果:我们提出一种新方法 BOSS(Biomarker Optimal Segmentation System,生物标志物最优分割系统)以解决该问题。在模拟研究中,我们发现 BOSS 的统计功效与一类错误控制均不劣于置换方法,且比置换快数百倍。为说明方法,我们将 BOSS 应用于真实数据,揭示了在肺腺癌协同作用与靶点匹配疗法探索中具有参考重要性的潜在汇聚生物标志物。可用性:名为 boss 的 R 包正在开发中,将在 CRAN 上发布。
引用
@article{arxiv.2305.09090,
title = {BOSS -- Biomarker Optimal Segmentation System},
author = {Liuyi Lan and Xuanjin Cheng and Li Xing and Xuekui Zhang},
journal= {arXiv preprint arXiv:2305.09090},
year = {2023}
}