时序数据中高维蛋白质标志物的分类算法
应用统计
2021-01-08 v2 统计方法学
摘要
生物标志物的识别是肿瘤学中的一个新兴领域。在本文中，我们开发了一种高效的统计流程，用于根据蛋白质标志物对癌症进展的影响对其进行分类。80名患者的蛋白质标志物高维时序数据集促使我们开发该模型。我们利用Cox比例风险模型获得标志物的最优阈值。最优阈值定义为对癌症进展具有最大影响的标志物水平。通过使用比例风险与加速失效时间脆弱模型比较随机分量，对分类进行了验证。该研究阐明了两种独立的联合建模技术的应用，即针对时序数据采用自回归型模型与混合效应模型，针对生存数据采用比例风险模型，并恰当运用了贝叶斯方法。此外，基于若干选定基因建立了预后评分并应用于患者。完整分析由R编程代码执行。本研究有助于从一组标志物中识别相关生物标志物。
引用
@article{arxiv.1907.12853,
title = {Classification Algorithm for High Dimensional Protein Markers in Time-course Data},
author = {Souvik Banerjee and Gajendra K. Vishwakarma and Atanu Bhattacharjee},
journal= {arXiv preprint arXiv:1907.12853},
year = {2021}
}
备注
Require major revisions and refinements