自适应弹性网方法在Cox模型中的应用

发布时间：2020-07-02 03:44

【摘要】：目的:生存分析中,Cox模型是分析生存数据的经典模型。随着高通量技术的飞速发展,实现了数以万计的基因位点测定,而样本量往往较小,如何高效地从繁多的基因位点中筛选出与所研究疾病相关的基因位点就显得尤为重要,传统的Cox模型并不适用于处理高维数据,并且高维数据中自变量间往往存在较强相关性。经典的Lasso法虽然可以实现高维数据的变量选择和系数估计,较好地处理Cox模型的变量选择问题,但是该方法采用的是对所有的变量施加相同的惩罚,使其得到的估计量往往是有偏的,并且该方法对于强相关变量的处理效果较差。本文为得到更加精确的稀疏化模型,将Adaptive Elastic Net(AEnet)引入Cox模型,并与Lasso、Adaptive Lasso(ALasso)、Elastic Net(Enet)三种变量选择方法比较优劣,从而得到更合乎实际的模型,为今后高维数据分析方法学研究奠定基础。方法:1数据模拟和实例数据分析均在R3.3.0软件中进行。研究过程中,主要利用“Matrix”、“MASS”、“survival”、“Coxnet”四个R包进行数据模拟和实例数据分析。本文算法采用的是一阶循环坐标下降算法,在实际基因表达数据中,与疾病相关的基因位点相对较少,即最终模型具有稀疏的系数结构,该算法尤其适用这种情况,运行速度极快,数据处理效率较高。2针对生存分析中基因表达数据高维度、强相关、数据存在删失的特性,生成模拟数据时,变量间的相关系数设定分别为0.3、0.6、0.9,删失比例设定分别为20%、50%、70%,生成9种方案的模拟数据,样本量为100,自变量个数为1000,每种方案前10个变量系数定义为5,即高信息变量,第11至20号变量系数定义为2,即低信息变量,其他变量的系数均定义为0,即零信息变量。每种方案重复模拟1000次,均采用四种变量选择方法进行变量筛选,比较各部分信息变量的选择结果。模型最优调整参数?的选择方法为五折交叉验证法。3实例数据来源于荷兰Van't Veer[12]等人对原发性乳腺癌病人进行的DNA微阵列数据分析研究。本文选取该研究中78例没有发生淋巴结转移的乳腺癌患者4751个基因位点进行分析。终点事件定义为乳腺癌患者是否发生远端转移,分别用四种变量选择方法对实例数据进行变量筛选,并估计最终模型中各自变量系数。模型最优调整参数?的选择方法为五折交叉验证法。结果:1经数据模拟过程,四种方法进行变量选择结果显示,在数据删失比例较低时(20%),第一部分自变量纳入最终模型的百分比接近百分之百,所有高信息自变量几乎完全纳入最终模型,第二部分自变量筛选百分比较高,经比较存在差别,ALasso法相对于Lasso法、AEnet法相对于EN法筛选变量百分比有所降低。随着删失比例的增加,第一部分、第二部分自变量纳入最终模型的百分比较低删失时逐渐下降,并且ALasso法相对于Lasso法、AEnet法相对于Enet法筛选变量百分比有所降低。比较四种方法最终纳入模型变量个数发现,弹性网惩罚得到的变量个数普遍高于仅施加Lasso惩罚,尤其是变量间相关性较强时,而且采用自适应Lasso惩罚得到的变量个数均低于仅施加Lasso惩罚。2实例数据分析结果显示,Lasso、ALasso、Enet、AEnet四种变量选择方法对实例数据进行分析,最终模型中变量数目分别为11、4、21、8,最优调整参数λ分别为0.207、0.250、0.344、0.500。ALasso方法筛选变量数目明显低于Lasso方法,并且两者筛选得到的相同变量系数比较,ALasso方法筛选得到的变量系数绝对值均小于Lasso法。AEnet方法筛选变量数目明显低于Enet方法,两者筛并且筛选得到的相同变量系数比较,AEnet方法筛选得到的变量系数绝对值均小于Enet法。结论:1 Enet法、Lasso法都能处理高维的生存分析数据,但Enet法能把强相关变量更多的纳入最终模型,Lasso法不具有该性质。2 AEnet法在处理高维度且变量间存在较强相关性的生存分析数据时,变量选择结果优于Lasso法、ALasso法、Enet法。
【学位授予单位】：河北医科大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：R195.1

【参考文献】