利用 PPLasso 在高维数据中识别预后与预测性生物标志物
统计方法学
2022-06-28 v2
摘要
在临床试验中，识别预后与预测性生物标志物对精准医学至关重要。预后生物标志物有助于预防疾病发生，预测性生物标志物可用于识别潜在可从治疗中获益的患者。以往研究主要关注临床特征，而基因组数据在此领域的应用鲜有探讨。需要一种新方法在高维基因组数据中同时筛选高度相关的预后与预测性生物标志物。我们提出一种称为 PPLasso（Prognostic Predictive Lasso，预后预测 Lasso）的新方法，将预后与预测效应整合入单一统计模型。PPLasso 还考虑了生物标志物间的相关性，该相关性会改变标志物筛选准确性。我们的方法在于应用广义 Lasso 前对设计矩阵进行变换以去除生物标志物间相关性。在综合数值评估中，我们显示 PPLasso 在多种场景下对预后与预测性生物标志物识别均优于传统 Lasso 方法。最后，我们的方法应用于来自 RV144 临床试验的公开转录组数据集。我们的方法已实现于可从 Comprehensive R Archive Network (CRAN) 获取的 PPLasso R 包中。
引用
@article{arxiv.2202.01970,
title = {Identification of prognostic and predictive biomarkers in high-dimensional data with PPLasso},
author = {Wencan Zhu and Céline Lévy-Leduc and Nils Ternès},
journal= {arXiv preprint arXiv:2202.01970},
year = {2022}
}