惩罚COX模型和弹性网技术在高维数据生存分析中的应用

论文摘要

目的:利用DNA微阵列技术和蛋白质谱技术测出的基因或蛋白等高维生物数据对癌症病人进行生存预测已不能再利用传统Cox比例风险模型。本论文将探讨惩罚COX模型（包括L2惩罚COX模型和L1惩罚COX模型）和弹性网技术（Elastic Net）用于高维数据生存分析的优劣,从而揭露死亡或其他结局发生的时间和生物数据之间的关系,为得到更精确的诊断及预后从而改进治疗提供合理的方法依据。方法:介绍惩罚COX模型（包括L2惩罚COX模型和L1惩罚COX模型）和弹性网技术（Elastic Net）的基本原理。针对基因或蛋白生物信息数据的高维度、强相关、小样本的特点进行模拟研究,对Van’t Veer等学者乳腺癌研究数据集进行分析,考察这些模型的预测性能。采用R软件进行数据模拟及分析。结果:以R 2作为模型预测性能的评价标准,从模拟实验中我们得出各自变量相关程度一样时随着数据资料方差的增大,各种模型筛选出的自变量倾向于增多,模型评价指标结果R2也呈增大趋势,模型拟合也越好。且随着删失比例的增加,几种方法的预测效能都会降低,说明模型的预测能力会受到删失比例的影响。结论:L2-COX模型和L1-COX模型都是处理高维生存资料的方法,只是L2-COX模型没有降维作用,但是处理共线性的效能强。L1-COX模型主要用来对高维数据进行降维而处理共线性的功能稍弱。EN-COX模型同时汲取了L1和L2两种模型的优点,既能有效处理共线性又可以降维还同时改进了L1,是分析处理高维小样本生存资料的理想模型。

论文目录

• 摘要
• Abstract
• 前言
• 第一章 惩罚COX 模型和弹性网
• 1.1 基因表达数据的cox 比例风险回归模型:
• 1.2 L2 惩罚cox 模型
• 1.2.1 岭回归的基本思想及原理
• 1.2.2 L2 惩罚cox 模型
• 1.2.3 调整参数λ的选择
• 1.2.4 岭回归的算法
• 1.3 L1 惩罚cox 模型
• 1.3.1 LASSO 的基本思想及原理
• 1.3.2 算法
• 1.3.3 调整参数λ 的选择
• 1.3.4 LASSO 的优势和局限性
• 1.4 弹性网
• 1.4.1 弹性网的基本思想
• 1.4.2 NEN 模型修正为 EN 模型
• 1.4.3 COX 背景下的 EN 模型
• 1.4.4 弹性网的计算方法
• 1.4.5 调整参数的选择
• 1.4.6 弹性网的优势
• 1.5 模型评价
• 第二章 模拟研究及实例分析
• 2.1 模拟研究
• 2.1.1 模拟数据生成
• 2.1.2 模拟数据分析
• 2.1.3 模拟数据分析结果
• 2.1.4 模拟结果分析
• 2.2 实例分析
• 2.3 小结
• 第三章 讨论
• 参考文献
• 个人简历
• 致谢