基于non-local先驗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細胞淋巴瘤（DLBCL， diffuse large B cell lymphoma）基因表達數(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先驗的貝葉斯變量選擇方法—乘積逆矩先驗（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：相互獨立、復(fù)合對稱相關(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)測準確性兩個方面，評價不同極高維情況下三種變量選擇方法的表現(xiàn)。實例分析中，將包含350個病人，3237個基因的

3、 DLBCL數(shù)據(jù)分為訓(xùn)練集（n=245）和測試集（n=105），分別運用 piMOM、ISIS-SCAD、ISIS-MCP方法進行建模并驗證，用AUC評價三種模型的優(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)測均方誤差、回歸系數(shù)均方誤差卻明顯高于non-local先驗方法，且non-local先驗方法隨著維

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