广义效应建模（GEM）——第2部分：多元GEM应用于2型糖尿病基因表达数据可检测出被单变量验证丢失的信息
统计方法学
2024-04-05 v1 应用统计
摘要
广义效应建模（GEM）是一个涵盖多种方法的框架，这些方法利用效应来分析具有多个设计变量和多元响应的数据。为了展示该方法，我们在此将GEM应用于基因表达数据，利用GEM整合来自不同队列的数据，并对各队列中目标疾病的效应进行多元分析。组学数据本质上是多元的，然而单变量分析是此类数据目前占主导地位的方法。组学数据面临的一个主要挑战是，基因、蛋白质和代谢物等特征的数量通常非常庞大，而样本数量有限。此外，组学研究旨在获得在不同背景下普遍适用的结果。本文应用GEM来解决这些问题。首先，我们强调多元分析对多元数据的益处。然后，我们演示了使用GEM整合来自两个不同队列的数据以进行跨队列多元分析，并强调多元分析能够检测出被单变量验证丢失的信息。
引用
@article{arxiv.2404.03029,
title = {General Effect Modelling (GEM) -- Part 2. Multivariate GEM applied to gene expression data of type 2 diabetes detects information that is lost by univariate validation},
author = {Ellen Færgestad Mosleth and Simon Erling Nitter Dankel and Gunnar Mellgren and Francisco Martin Barajas Olmos and Lorena Sofia Orozco and Artem Lysenko and Ragni Ofstad and Most Champa Begum and Harald Martens and Kristian Hovde Liland},
journal= {arXiv preprint arXiv:2404.03029},
year = {2024}
}
备注
12 pages