基于LASSO的整合临床和组学特征构建疾病风险预测模型的方法比较及应用.pdf

目 录 中文摘要I 英文摘要 Ⅲ 前 言 1 1 LASSO 方法 4 1.1 LASSO 方法的思想和定义 4 1.2 惩罚调整参数λ的选择 5 2 整合临床和组学的建模方法 6 2.1 Naive-LASSO 法 6 2.2 Separate-LASSO 法 6 2.3 IPF-LASSO 法 6 2.4 Priority-LASSO 法 7 2.5 程序实现 8 3 模拟研究 9 3.1 模拟研究目的 9 3.2 模拟设计 9 3.3 模型评价指标 11 3.4 模拟结果 12 4 实例研究 20 4.1 数据来源和处理 20 4.2 实例分析结果 22 5 讨 论 24 参考文献 26 综 述 31 致 谢 38 个人简介 39 山西医科大学硕士学位论文 基于LASSO 的整合临床和组学特征构建疾病风险预测模型的 方法比较及应用 摘 要 目的： 通过模拟和实例研究对四种基于 LASSO 的可用于整合临床和组学特征构建疾 病风险预测模型的方法——Naive-LASSO 法，Separate-LASSO 法，IPF-LASSO 法 和Priority-LASSO 法的性质进行探讨和比较，为临床建立疾病风险预测模型提供建 议。 方法： 首先，介绍 Naive-LASSO 法，Separate-LASSO 法，IPF-LASSO 法和 Priority-LASSO 法的原理。其次，模拟产生六种稀疏性和变量强度不同的临床和组 学数据，并通过改变协方差矩阵改变各数据内部以及它们之间的相关关系，本研究 考虑以下三种相关关系： （1）临床数据和组学数据内的变量相互独立，两数据间 不相关，协方差矩阵设为单位矩阵； （2 ）临床数据和组学数据内的变量呈复合对 称相关，两数据间不相关，协方差矩阵设为块对角矩阵；（3 ）临床数据和组学数 据内的变量相关，两数据间也相关，协方差矩阵设置更复杂。通过以上操作共形成 18 种模拟场景，然后使用上述四种方法针对各模拟场景建立预测模型，并通过AUC 、 Brier score 和变量筛选个数对四种方法在不同模拟场景中的表现进行比较。最后， 分别用这四种方法对弥漫大B 细胞淋巴瘤（diffuse large B-cell lymphoma ，DLBCL ） 患者的临床和lncRNA 表达数据进行分析，建立新的DLBCL 预后评价系统，按照 模拟研究的评价标准对各方法在实例中的表现进行评估。 结果： I 山西医科大学硕士学位论文 模拟研究显示，无论在哪一种模拟场景下，四种方法中均是 IPF-LASSO 法和 Priority-LASSO 法表现最好，Separate-LASSO 法所筛变量数最多。其中IPF-LASSO 法的预测准确性比 Priority-LASSO 法还要好一些，它的 AUC 值总高于 Priority-LASSO 法， Brier score 低于Priority-LASSO 法。而且四种方法在满足后两 种相关关系的数据中的预测准确性要高于它们在完全独立的数据中的预测准确性。 但无论临床和组学数据满足何种相关关系，当临床数据的稀疏性和变量强度一定时， 组学数据的稀疏性和变量强度的变化对四种方法的预测表现的影响均不大，但当组 学数据的稀疏性和变量强度一定时，临床数据的稀疏性和变量强度的变化对四种方 法的预测表现的影响均较大。实例研究结果和模拟结果一致，也是IPF-LASSO 法和 Priority-LASSO 法所建的 DLBCL 预后模型的预测准确性较高，且包含的变量个数 较少。而且二者有7 个变量是相同的。 结论：