随机生存森林在高维基因组数据生存分析中的应用.PDFVIP

·７８６· 中国卫生统计２０１３年１２月第３０卷第６期 随机生存森林在高维基因组数据生存分析中的应用 哈尔滨医科大学卫生统计学教研室（１５００８１）　宋欠欠　武晓岩　侯　艳　李　康△ 　　【提　要】　目的　探讨随机生存森林（ＲＳＦ）在高维基因组数据生存分析中的应用和适用性。方法　通过模拟实验 和实际数据分析，对随机生存森林、生存支持向量机（ＳＳＶＭ）和偏Ｃｏｘ回归（ＰＣＲ）三种方法进行比较，并用生存预测的一 致性错误率对其进行评价。结果　模拟实验表明，在有交互作用的情况下，ＲＳＦ的ｌｏｇｒａｎｋ和ｌｏｇｒａｎｋｓｃｏｒｅ方法的预测效 果均优于ＳＳＶＭ和ＰＣＲ方法；实际数据分析结果显示，随机生存森林与生存支持向量机和偏Ｃｏｘ回归的预测效果相近， 应用ＲＳＦ方法筛选变量后建立的ＲＳＦ模型能够在一定程度上提高预测效果。结论　随机生存森林方法适用于高维生存 数据的研究，对疾病的生存时间预测和预后因素分析具有实用价值。 【关键词】　随机生存森林　偏Ｃｏｘ回归　生存预测　变量筛选 　　随着高维基因组测序技术的迅速发展，研究者们 异最大的分枝。