高维组学应用中评估增量预测能力的序贯双重交叉验证
统计方法学
2016-10-18 v3
摘要
在新的多组学时代，用新的生物分子标记丰富现有预测模型是一项重要任务。临床研究越来越多地包含新的组学测量集，其可能在预测性能方面证明它们的附加值。我们引入了一种基于序贯双重交叉验证和正则化回归模型的、用于评估组学预测因子增量预测能力的两步方法。我们提出了若干性能指数来总结两阶段预测过程，以及一种置换检验来正式评估第二组建学预测因子相对于主要组学来源的增量预测价值。该检验的性能通过模拟进行了研究。我们通过使用来自芬兰的基于人群的队列——饮食、生活方式和肥胖与代谢综合征的遗传决定因素（DILGOM）研究的纵向数据，对转录组学和代谢组学来源在预测身体质量指数（BMI）中的性能进行系统评估和比较，从而阐明了这一新方法。
引用
@article{arxiv.1601.08197,
title = {Sequential double cross-validation for assessment of added predictive ability in high-dimensional omic applications},
author = {Mar Rodríguez-Girondo and Perttu Salo and Tomasz Burzykowski and Markus Perola and Jeanine Houwing-Duistermaat and Bart Mertens},
journal= {arXiv preprint arXiv:1601.08197},
year = {2016}
}