基于脉冲-石板量值LASSO的癌症基因组研究中稳健变量选择
统计方法学
2024-05-14 v1
摘要
癌症基因组研究中的数据不规则性通常表现为异常值和重尾分布。过去十年来，稳健变量选择方法已成为识别与异质疾病特征相关的重要基因并构建优越预测模型的强有力替代方案。本研究通过采用非对称拉普拉斯分布(ALD)，在稳健似然下构建全贝叶斯脉冲-石板量值LASSO，通过全贝叶斯脉冲-石板公式化来保持量值LASSO和全贝叶斯正则化量值回归的显著特征，同时克服其在高维基因组数据分析中的劣势。所提出的稳健方法继承了从脉冲-石板LASSO( Ro\v{c}kov\'a 和 George, 2018)那里获得的选择性收缩和对稀疏性模式的自适应优势。此外，脉冲-石板量值LASSO能够通过在坐标下降框架中引导期望最大化(EM)步骤的软阈值规则来定位后验模式，这在带有非可微损失函数的稳健正则化中几乎很少见。我们进行了包含多种重尾误差的全面模拟研究，涵盖均匀和异质模型设置，以展示脉冲-石板量值LASSO在与其竞争方法相比的优势。所提方法的优势进一步在来自The Cancer Genome Atlas (TCGA)的肺腺癌(LUAD)和皮肤色素性黑色素瘤(SKCM)数据案例中得到验证。
关键词
引用
@article{arxiv.2405.07397,
title = {The Spike-and-Slab Quantile LASSO for Robust Variable Selection in Cancer Genomics Studies},
author = {Yuwen Liu and Jie Ren and Shuangge Ma and Cen Wu},
journal= {arXiv preprint arXiv:2405.07397},
year = {2024}
}