基于Cox比例风险回归模型LASSO与生存树的-中国科技论文在线.PDF

中国科技论文在线 基于Cox 比例风险回归模型、LASSO 与生 存树的ER+乳腺癌预后 # 王莉，张娟** 5 （华北电力大学数理学院，北京102206） 摘要：【目的】传统的的分期方法尚不足以预测雌激素受体阳性（ER+ ）乳腺癌的治疗结果。 本文筛选了与 ER+乳腺癌患者复发密切相关的基因，并使用这些基因对患者进行分类，高 风险标记的肿瘤患者可以从辅助治疗中获益，而低风险标记的患者可免遭不必要的治疗。 【方法】本文使用 ER+乳腺癌基因芯片数据进行分析，将样本随机分为训练集和测试集。 10 首先采用单因素Cox 比例风险回归模型初步筛选出999 个基因，通过筛选出的基因计算每 位患者的风险分数并进行低风险标记与高风险标记的分类，然后进一步使用LASSO 方法筛 选出5 个基因，再将其应用于生存树方法进行预测和分类。测试集被用来证明所筛选基因的 有效性。【结果】Kaplan-meier 曲线及对数秩检验均显示低风险标记与高风险标记的ER+乳 腺癌患者的未复发率差异显著。【结论】 本文的模型在对ER+乳腺癌复发风险高低的分类 15 中具有良好的预测效果，同时，所筛选出的基因需要进一步的实验来验证其在乳腺癌中发挥 的作用，以对患者进行针对性的治疗。 关键词：Cox 比例风险回归模型； Kaplan-meier 曲线；对数秩检验；LASSO ；生存树 中图分类号：O213.9 Prognosis of ER+ Breast Cancer Based on Cox 20 Proportional Hazards Regression Model, LASSO and Survival Tree Wang Li, Zhang Juan (Mathematical Physical Science School, North China Electric Power University, Beijing 102206) 25 Abstract : 【Objective 】Traditional staging methods are inadequate for predicting the outcome of treatment of ER-positive breast cancer. This artical screened genes that are closely related to relapse in ER+ breast cancer patients. These genes were used to classify the patients. Patients with high-risk can benefit from adjuvant therapy, while patients with low-risk are protected from unnecessary treatment. 【Methods 】This artical analyzed the ER+ breast cancer microarray data. The samples were randomly 30 divided into training set and testing set .We used univariate Cox proportional hazards regression mo