高维多组学生存数据的条件推断
统计方法学
2025-10-07 v2
摘要
多组学数据由于生物层间复杂相互依赖，给统计推断带来重大挑战。本文引入一种新的多组学因子调整 Cox (MOFA-Cox) 模型，用于分析多组学生存数据，有效解决不同组学层之间的复杂相关性。我们为 MOFA-Cox 模型提供了因子调整的去相关得分检验，适用于高维生存分析。该方法容纳待检验参数维数超过样本量的情况，且不对参数稀疏性作出假设。我们建立了所提检验的极限零分布，并在局部备择方案下分析其功效。数值研究和对 TCGA 乳腺癌数据集的应用表明，我们方法的有效性。
引用
@article{arxiv.2504.21324,
title = {Conditional inference for high-dimensional multi-omics survival data},
author = {Heyuan Zhang and Meiling Hao and Lianqiang Qu and Liuquan Sun},
journal= {arXiv preprint arXiv:2504.21324},
year = {2025}
}