基于LASSO的FDR控制方法及其在高維數(shù)據(jù)生存分析中的應(yīng)用.pdf

1、目的：針對傳統(tǒng)的LASSO調(diào)整參數(shù)選擇方法中錯誤發(fā)現(xiàn)率（False Discovery Rate, FDR）過高的問題，介紹三種控制 FDR的調(diào)整參數(shù)選擇方法的基本原理，并基于LASSO-Cox模型探索CV法（Cross Validation）、pcvl法（penalized cross-validated log-likelihood）、EBIC準(zhǔn)則（Extended Bayesian Information Criterion）、平

2、穩(wěn)選擇法（Stability Selection）四種方法在變量選擇方面的性能。
　　方法：基于LASSO-Cox模型對LASSO調(diào)整參數(shù)的選擇方法進(jìn)行系統(tǒng)地介紹。模擬研究生存數(shù)據(jù)的不同刪失比例、自變量間不同相關(guān)程度以及自變量的不同稀疏水平對各方法的影響。模擬設(shè)置樣本量n-(100,120,140,160,180,200)，自變量個數(shù)，自變量間相關(guān)為區(qū)組相關(guān)，相關(guān)結(jié)構(gòu)為此處為公式方案一是此處為公式回歸系數(shù)為此處為公式其余回歸系數(shù)值

3、為0；方案二是此處為公式真實非零自變量個數(shù)為q-(4,6,8,10),非零回歸系數(shù)值分別取2與-2。利用R軟件模擬數(shù)據(jù)并進(jìn)行分析，從FDR和PSR（Positive Select Rate）兩方面進(jìn)行評價。實例研究利用高通量基因表達(dá)量數(shù)據(jù)庫（Gene Expression Omnibus, GEO）上下載的420例DLBCL（Diffuse Large B-cell Lymphoma）患者的生存數(shù)據(jù)及54675個基因進(jìn)行基因與預(yù)后間的關(guān)

4、聯(lián)分析，對數(shù)據(jù)進(jìn)行整理后用于最終分析的樣本例數(shù)和基因數(shù)分別為412和4947
　　結(jié)果：模擬結(jié)果顯示：在樣本量、刪失比例、相關(guān)系數(shù)、稀疏水平均一定的情況下，各方法的 FDR從低到高依次為：平穩(wěn)選擇法；PSR從高到低依次為：CV法≥pcvl法≥平穩(wěn)選擇法≥EBIC≥準(zhǔn)則≥1EBIC≥準(zhǔn)則。隨著刪失比例的降低，各方法的FDR均基本保持不變，PSR均升高。隨著相關(guān)程度的增加，平穩(wěn)選擇法、pcvl法和CV法的FDR基本不變，EBIC準(zhǔn)則的

5、FDR略升高。隨著稀疏水平的降低，平穩(wěn)選擇法的FDR基本保持不變，pcvl法的FDR略微升高， EBIC準(zhǔn)則的結(jié)果則波動較大；當(dāng)樣本量較大時隨著稀疏水平的降低CV法、pcvl法和平穩(wěn)選擇法的PSR保持不變。實例結(jié)果顯示：EBIC準(zhǔn)則只選出1個基因，平穩(wěn)選擇法選出的13個基因中與CV法相同的基因有12個，與pcvl法相同的基因有10個；pcvl法選出的28個基因中與CV法相同有26個，與EBIC準(zhǔn)則相同的基因有1個。
　　結(jié)論：在基