基于non-local先驗(yàn)的貝葉斯變量選擇方法及其在極高維數(shù)據(jù)分析中的應(yīng)用.pdf

1、目的：通過模擬研究比較基于non-local先驗(yàn)的貝葉斯變量選擇方法、ISIS-SCAD、ISIS-MCP在極高維數(shù)據(jù)分析中的表現(xiàn)，并將其應(yīng)用到彌漫性大B細(xì)胞淋巴瘤（DLBCL， diffuse large B cell lymphoma）基因表達(dá)數(shù)據(jù)中，找出與DLBCL分型有關(guān)的基因，為臨床上DLBCL的診斷和治療提供依據(jù)。
　　方法：基于non-local先驗(yàn)的貝葉斯變量選擇方法—乘積逆矩先驗(yàn)（piMOM, product i

2、nverse moment）的基本原理，并將其與 ISIS-SCAD、ISIS-MCP方法應(yīng)用到二分類logistic回歸中。模擬研究中，根據(jù)協(xié)方差結(jié)構(gòu)的不同將協(xié)變量間相關(guān)程度分為三種情況：相互獨(dú)立、復(fù)合對(duì)稱相關(guān)、自回歸相關(guān)；樣本量n=50、100、200、400、600；自變量維數(shù) p=1000、3000，從模型相合性和模型預(yù)測(cè)準(zhǔn)確性兩個(gè)方面，評(píng)價(jià)不同極高維情況下三種變量選擇方法的表現(xiàn)。實(shí)例分析中，將包含350個(gè)病人，3237個(gè)基因的

3、 DLBCL數(shù)據(jù)分為訓(xùn)練集（n=245）和測(cè)試集（n=105），分別運(yùn)用 piMOM、ISIS-SCAD、ISIS-MCP方法進(jìn)行建模并驗(yàn)證，用AUC評(píng)價(jià)三種模型的優(yōu)劣。
　　結(jié)果：模擬研究發(fā)現(xiàn)：在 p=1000和 p=3000情況下，三種方法篩出的變量平均真陽性數(shù)大致相等，ISIS-SCAD、ISIS-MCP方法的平均假陽性數(shù)和預(yù)測(cè)均方誤差、回歸系數(shù)均方誤差卻明顯高于non-local先驗(yàn)方法，且non-local先驗(yàn)方法隨著維

4、數(shù)的增加波動(dòng)較小，較ISIS-SCAD、ISIS-MCP方法穩(wěn)定。DLBCL基因表達(dá)數(shù)據(jù)經(jīng)piMOM分析發(fā)現(xiàn)4個(gè)有意義的基因（MYBL1，CYB5R2，MAML3，BTLA），AUC為0.989；ISIS-SCAD發(fā)現(xiàn)7個(gè)有意義的基因（MYBL1，CYB5R2，MAML3，TNFRSF13B， S1PR2，SLC25A27，GAB1），AUC為0.981；ISIS-MCP發(fā)現(xiàn)5個(gè)有意義的基因（MYBL1，CYB5R2，MAML3，CHS