【摘要】：目的:生存分析中,Cox模型是分析生存數(shù)據(jù)的經(jīng)典模型。隨著高通量技術(shù)的飛速發(fā)展,實(shí)現(xiàn)了數(shù)以萬(wàn)計(jì)的基因位點(diǎn)測(cè)定,而樣本量往往較小,如何高效地從繁多的基因位點(diǎn)中篩選出與所研究疾病相關(guān)的基因位點(diǎn)就顯得尤為重要,傳統(tǒng)的Cox模型并不適用于處理高維數(shù)據(jù),并且高維數(shù)據(jù)中自變量間往往存在較強(qiáng)相關(guān)性。經(jīng)典的Lasso法雖然可以實(shí)現(xiàn)高維數(shù)據(jù)的變量選擇和系數(shù)估計(jì),較好地處理Cox模型的變量選擇問(wèn)題,但是該方法采用的是對(duì)所有的變量施加相同的懲罰,使其得到的估計(jì)量往往是有偏的,并且該方法對(duì)于強(qiáng)相關(guān)變量的處理效果較差。本文為得到更加精確的稀疏化模型,將Adaptive Elastic Net(AEnet)引入Cox模型,并與Lasso、Adaptive Lasso(ALasso)、Elastic Net(Enet)三種變量選擇方法比較優(yōu)劣,從而得到更合乎實(shí)際的模型,為今后高維數(shù)據(jù)分析方法學(xué)研究奠定基礎(chǔ)。方法:1數(shù)據(jù)模擬和實(shí)例數(shù)據(jù)分析均在R3.3.0軟件中進(jìn)行。研究過(guò)程中,主要利用“Matrix”、“MASS”、“survival”、“Coxnet”四個(gè)R包進(jìn)行數(shù)據(jù)模擬和實(shí)例數(shù)據(jù)分析。本文算法采用的是一階循環(huán)坐標(biāo)下降算法,在實(shí)際基因表達(dá)數(shù)據(jù)中,與疾病相關(guān)的基因位點(diǎn)相對(duì)較少,即最終模型具有稀疏的系數(shù)結(jié)構(gòu),該算法尤其適用這種情況,運(yùn)行速度極快,數(shù)據(jù)處理效率較高。2針對(duì)生存分析中基因表達(dá)數(shù)據(jù)高維度、強(qiáng)相關(guān)、數(shù)據(jù)存在刪失的特性,生成模擬數(shù)據(jù)時(shí),變量間的相關(guān)系數(shù)設(shè)定分別為0.3、0.6、0.9,刪失比例設(shè)定分別為20%、50%、70%,生成9種方案的模擬數(shù)據(jù),樣本量為100,自變量個(gè)數(shù)為1000,每種方案前10個(gè)變量系數(shù)定義為5,即高信息變量,第11至20號(hào)變量系數(shù)定義為2,即低信息變量,其他變量的系數(shù)均定義為0,即零信息變量。每種方案重復(fù)模擬1000次,均采用四種變量選擇方法進(jìn)行變量篩選,比較各部分信息變量的選擇結(jié)果。模型最優(yōu)調(diào)整參數(shù)?的選擇方法為五折交叉驗(yàn)證法。3實(shí)例數(shù)據(jù)來(lái)源于荷蘭Van't Veer[12]等人對(duì)原發(fā)性乳腺癌病人進(jìn)行的DNA微陣列數(shù)據(jù)分析研究。本文選取該研究中78例沒(méi)有發(fā)生淋巴結(jié)轉(zhuǎn)移的乳腺癌患者4751個(gè)基因位點(diǎn)進(jìn)行分析。終點(diǎn)事件定義為乳腺癌患者是否發(fā)生遠(yuǎn)端轉(zhuǎn)移,分別用四種變量選擇方法對(duì)實(shí)例數(shù)據(jù)進(jìn)行變量篩選,并估計(jì)最終模型中各自變量系數(shù)。模型最優(yōu)調(diào)整參數(shù)?的選擇方法為五折交叉驗(yàn)證法。結(jié)果:1經(jīng)數(shù)據(jù)模擬過(guò)程,四種方法進(jìn)行變量選擇結(jié)果顯示,在數(shù)據(jù)刪失比例較低時(shí)(20%),第一部分自變量納入最終模型的百分比接近百分之百,所有高信息自變量幾乎完全納入最終模型,第二部分自變量篩選百分比較高,經(jīng)比較存在差別,ALasso法相對(duì)于Lasso法、AEnet法相對(duì)于EN法篩選變量百分比有所降低。隨著刪失比例的增加,第一部分、第二部分自變量納入最終模型的百分比較低刪失時(shí)逐漸下降,并且ALasso法相對(duì)于Lasso法、AEnet法相對(duì)于Enet法篩選變量百分比有所降低。比較四種方法最終納入模型變量個(gè)數(shù)發(fā)現(xiàn),彈性網(wǎng)懲罰得到的變量個(gè)數(shù)普遍高于僅施加Lasso懲罰,尤其是變量間相關(guān)性較強(qiáng)時(shí),而且采用自適應(yīng)Lasso懲罰得到的變量個(gè)數(shù)均低于僅施加Lasso懲罰。2實(shí)例數(shù)據(jù)分析結(jié)果顯示,Lasso、ALasso、Enet、AEnet四種變量選擇方法對(duì)實(shí)例數(shù)據(jù)進(jìn)行分析,最終模型中變量數(shù)目分別為11、4、21、8,最優(yōu)調(diào)整參數(shù)λ分別為0.207、0.250、0.344、0.500。ALasso方法篩選變量數(shù)目明顯低于Lasso方法,并且兩者篩選得到的相同變量系數(shù)比較,ALasso方法篩選得到的變量系數(shù)絕對(duì)值均小于Lasso法。AEnet方法篩選變量數(shù)目明顯低于Enet方法,兩者篩并且篩選得到的相同變量系數(shù)比較,AEnet方法篩選得到的變量系數(shù)絕對(duì)值均小于Enet法。結(jié)論:1 Enet法、Lasso法都能處理高維的生存分析數(shù)據(jù),但Enet法能把強(qiáng)相關(guān)變量更多的納入最終模型,Lasso法不具有該性質(zhì)。2 AEnet法在處理高維度且變量間存在較強(qiáng)相關(guān)性的生存分析數(shù)據(jù)時(shí),變量選擇結(jié)果優(yōu)于Lasso法、ALasso法、Enet法。
【學(xué)位授予單位】：河北醫(yī)科大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：R195.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王小燕;謝邦昌;馬雙鴿;方匡南;;高維數(shù)據(jù)下群組變量選擇的懲罰方法綜述[J];數(shù)理統(tǒng)計(jì)與管理;2015年06期

2 李春紅;黃登香;戴洪帥;;Adaptive Elastic Net方法在Logistic回歸模型中的應(yīng)用（英文）[J];工程數(shù)學(xué)學(xué)報(bào);2015年05期

3 張秀秀;王慧;田雙雙;喬楠;閆麗娜;王彤;;高維數(shù)據(jù)回歸分析中基于LASSO的自變量選擇[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2013年06期

4 畢達(dá)天;邱長(zhǎng)波;張晗;;數(shù)據(jù)降維技術(shù)研究現(xiàn)狀及其進(jìn)展[J];情報(bào)理論與實(shí)踐;2013年02期

5 李鋒;盧一強(qiáng);李高榮;;部分線性模型的Adaptive LASSO變量選擇[J];應(yīng)用概率統(tǒng)計(jì);2012年06期

6 楊梅;肖靜;蔡輝;;多元分析中的多重共線性及其處理方法[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2012年04期

7 李根;鄒國(guó)華;張新雨;;高維模型選擇方法綜述[J];數(shù)理統(tǒng)計(jì)與管理;2012年04期

8 閆麗娜;覃婷;王彤;;LASSO方法在Cox回歸模型中的應(yīng)用[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2012年01期

9 王大榮;張忠占;;線性回歸模型中變量選擇方法綜述[J];數(shù)理統(tǒng)計(jì)與管理;2010年04期

10 ;Gene Expression Data Classification Using Consensus Independent Component Analysis[J];Genomics Proteomics & Bioinformatics;2008年02期

相關(guān)碩士學(xué)位論文 前2條

1 閆麗娜;懲罰COX模型和彈性網(wǎng)技術(shù)在高維數(shù)據(jù)生存分析中的應(yīng)用[D];山西醫(yī)科大學(xué);2011年

2 何秀麗;多元線性模型與嶺回歸分析[D];華中科技大學(xué);2005年

本文編號(hào)：2737693