用于识别主预测变量的正则化多元回归及其在乳腺癌综合基因组学研究中的应用
应用统计
2009-06-19 v2 统计方法学
摘要
在本文中，我们提出了一种新方法 remMap——用于识别主预测变量的正则化多元回归——用于在高维小样本设置下拟合多变量响应回归模型。remMap 的动机是基于多种类型的高维基因组数据研究不同生物分子间的调控关系。具体而言，我们有兴趣研究 DNA 拷贝数改变对 RNA 转录本水平的影响。为此，我们通过多元线性回归对 RNA 表达水平依赖于 DNA 拷贝数的关系进行建模，并利用适当的正则化来处理高维问题以及整合所需的网络结构。此外还讨论了选择调谐参数的准则。通过广泛的模拟研究展示了所提方法的性能。最后，将 remMap 应用于一项乳腺癌研究，其中对 172 个肿瘤样本测量了全基因组 RNA 转录本水平和 DNA 拷贝数。我们在细胞遗传带 17q12-q21 中鉴定出一个反式枢纽区域，其扩增影响了 30 多个非连锁基因的 RNA 表达水平。这些发现可能有助于更好地理解乳腺癌病理学。
引用
@article{arxiv.0812.3671,
title = {Regularized Multivariate Regression for Identifying Master Predictors with Application to Integrative Genomics Study of Breast Cancer},
author = {Jie Peng and Ji Zhu and Anna Bergamaschi and Wonshik Han and Dong-Young Noh and Jonathan R. Pollack and Pei Wang},
journal= {arXiv preprint arXiv:0812.3671},
year = {2009}
}