GEE-TGDR：一种纵向特征选择算法及其在免疫疗法治疗银屑病患者的 lncRNA 表达谱中的应用
应用统计
2020-08-13 v1
摘要
随着高通量技术的快速发展，纵向基因表达实验在生物医学领域已变得可负担且日益普遍。广义估计方程（Generalized Estimating Equation, GEE）方法是分析纵向数据广泛使用的统计方法。在纵向组学数据分析中，特征选择至关重要。在现有多种特征选择方法中，一种嵌入式方法即阈值梯度下降正则化（Threshold Gradient Descent Regularization, TGDR）因其优良特性而脱颖而出。将 GEE 与 TGDR 相结合，对于识别能够解释结果随时间动态变化的相关标记物而言是一个有前景的方向。在本研究中，我们提出了一种针对纵向结局的新型特征选择算法：GEE-TGDR。在 GEE-TGDR 方法中，GEE 模型对应的拟似然函数作为待优化目标函数，优化与特征选择由 TGDR 方法完成。我们将 GEE-TGDR 方法应用于一个纵向 lncRNA 基因表达数据集，该数据集考察了银屑病患者对免疫疗法的治疗反应。在不同工作相关结构下，识别出包含 10 个相关 lncRNA 的列表，预测准确率达 80%，并具有有意义的生物学解释。总之，所提出的 GEE-TGDR 方法有望在组学数据分析中得到广泛应用。
引用
@article{arxiv.2008.05040,
title = {GEE-TGDR: A longitudinal feature selection algorithm and its application to lncRNA expression profiles for psoriasis patients treated with immune therapies},
author = {Suyan Tian and Chi Wang and Mayte Suarez-Farinas},
journal= {arXiv preprint arXiv:2008.05040},
year = {2020}
}