噪声药物筛选数据中关联检验统计方法的评估
应用统计
2021-10-04 v2
摘要
识别生物变量间关联是现代定量生物学研究的重大挑战，尤其鉴于生物系统固有的系统性与统计噪声。药物敏感性数据已被证明是识别关联以指导患者治疗的极具挑战领域。为此，我们引入常用一致性指数（concordance index）的两种半参数变体：鲁棒一致性指数与核化一致性指数（rCI、kCI），其从数据中融入关于噪声分布的度量。我们证明应用于一致性指数及其变体的常见统计检验无法控制假阳性，并引入使用自适应置换检验计算p值的高效实现。我们随后在模拟下评估这些系数的统计功效，并与Pearson和Spearman相关系数比较。最后，我们评估各统计量在跨药物基因组数据集匹配药物中的表现。我们观察到rCI与kCI在模拟中比一致性指数功效更高，并在真实数据上显示一定改进。令人惊讶的是，我们观察到在不同度量中Pearson相关对测量噪声最为鲁棒。
引用
@article{arxiv.2104.14036,
title = {Evaluation of statistical approaches for association testing in noisy drug screening data},
author = {Petr Smirnov and Ian Smith and Zhaleh Safikhani and Wail Ba-alawi and Farnoosh Khodakarami and Eva Lin and Yihong Yu and Scott Martin and Janosch Ortmann and Tero Aittokallio and Marc Hafner and Benjamin Haibe-Kains},
journal= {arXiv preprint arXiv:2104.14036},
year = {2021}
}