penalizedclr：用于整合多个组学层的惩罚条件逻辑回归的R包
统计方法学
2024-02-05 v1 统计计算
摘要
匹配病例对照设计，直到最近主要与流行病学研究相关，现在在生物医学应用中也变得常见。例如，在组学研究中，比较同一患者的癌症组织和健康组织是相当普遍的。此外，如今研究人员常规地从各种不同的来源收集数据，并希望将这些数据与病例对照状态联系起来。这凸显了开发和实施能够考虑这些趋势的统计方法的必要性。我们介绍一个R包penalizedclr，它提供了用于分析匹配病例对照研究的惩罚条件逻辑回归模型的实现。它允许对不同的协变量块施加不同的惩罚，因此在存在多源组学数据的情况下特别有用。该包实现了L1和L2惩罚。此外，该包在所考虑的回归模型中实现了用于变量选择的稳定性选择。所提出的方法填补了现有软件中的一个空白，即用于拟合高维条件逻辑回归模型，同时考虑匹配设计和预测变量/特征的块结构。输出结果包括一组与病例对照状态显著相关的选定变量。然后可以在进一步、更有针对性的研究中对这些特征进行功能解释或验证。
引用
@article{arxiv.2402.01398,
title = {penalizedclr: an R package for penalized conditional logistic regression for integration of multiple omics layers},
author = {Vera Djordjilović and Erica Ponzi and Therese Haugdahl Nøst and Magne Thoresen},
journal= {arXiv preprint arXiv:2402.01398},
year = {2024}
}