利用稀疏提升解码子组间异质性与共性的稳健非参数整合分析

在许多生物医学问题中，数据通常是异质的，样本跨越多个患者亚组，其中不同亚组可能具有不同的疾病亚型、阶段或其他医学背景。这些亚组可能相关，但在基础生物学方面也预期存在差异。异质数据为探索相关亚组间的异质性和共性提供了宝贵机会。遗憾的是，仍然缺乏有效的统计分析方法。最近，提出了几种基于整合分析的新方法来解决这一挑战性问题。尽管取得了有希望的结果，但现有研究仍因忽略数据污染和对协变量对响应的线性效应做出严格假设而受到限制。因此，我们开发了一种稳健的非参数整合分析方法，以识别异质性和共性，以及选择重要协变量并估计协变量效应。通过采用柯西损失函数来适应可能的数据污染，并建立非参数模型以适应非线性效应。所提出的方法基于稀疏提升技术。所提出方法的优势在广泛的模拟中得到了证明。对多形性胶质母细胞瘤和肺腺癌的癌症基因组图谱数据分析表明，所提出的方法做出了具有生物学意义的发现，并具有令人满意的预测。