多视角正交投影回归及其在多组学整合中的应用
统计方法学
2025-03-24 v1
摘要
多组学整合通过利用来自各种组学数据的融合信息，为理解复杂生物机制提供了新视角。然而，多组学数据中存在的内在于-及组间模态相关性为传统变量选择方法（如Lasso回归）带来了显著挑战。这些相关性可能导致多重共线性，影响所选变量的稳定性和可解释性。为此，我们引入了多视角正交投影回归（MVOPR），这是一种用于多组学分析的变量选择方法。MVOPR借鉴分子生物学的中心教条，利用组学层之间的单向关联，将预测变量转换为无关特征空间。这种正交投影框架有效缓解了相关性，使惩罚性回归模型可在独立成分上运行。通过在既指定也误指定情景下的仿真实验，MVOPR在变量选择方面表现出优越性能，优于传统的Lasso方法和因子基模型。在CAARS数据集的实际数据分析中，MVOPR持续识别出与已知哮喘生物标志物一致的生物学相关特征，包括Bacteroidaceae科及关键代谢物。这些发现表明，MVOPR在增强变量选择的同时，提供了具有生物学可解释性的洞见，为整合性多组学研究提供了稳健工具。
引用
@article{arxiv.2503.16807,
title = {Multi-View Orthogonal Projection Regression with Application in Multi-omics integration},
author = {Zongrui Dai and Yvonne J. Huang and Gen Li},
journal= {arXiv preprint arXiv:2503.16807},
year = {2025}
}