基于多源分子数据降维的患者生存预测
定量方法
2017-07-19 v2 应用统计
摘要
基于高维基因组数据的预测建模通常先于降维步骤，例如主成分分析（PCA）。然而，对于多源数据，PCA 的应用并非直截了当，因为多个组学数据源测量的是不同但相关的生物组分。在本文中，我们利用多源数据降维的最新进展进行预测建模。特别地，我们应用联合与个体变异解释（JIVE，PCA 针对多源数据的扩展）的探索性结果，来预测不同的响应类型。我们进行了说明性模拟，以展示我们方法的实际优势和可解释性。作为一个应用示例，我们考虑从测量 mRNA 表达、miRNA 表达和 DNA 甲基化的三个数据源预测多形性胶质母细胞瘤（GBM）患者的生存。我们还引入了一种方法来估计未用于初始降维的新样本的 JIVE 分数，并研究了其理论性质；该方法在 CRAN 的 R 包 R.JIVE 中的函数 'jive.predict' 里实现。
引用
@article{arxiv.1704.02069,
title = {Prediction with Dimension Reduction of Multiple Molecular Data Sources for Patient Survival},
author = {Adam Kaplan and Eric F. Lock},
journal= {arXiv preprint arXiv:1704.02069},
year = {2017}
}
备注
11 pages, 9 figures