基于广义矩量法的自适应套索惩罚线性混合模型用于高维多组学数据的预测分析.pdfVIP

AdvancesinAppliedMathematics应用数学进展,2025,14(4),783-797

PublishedOnlineApril2025inHans./journal/aam

/10.12677/aam.2025.144206

基于广义矩量法的自适应套索惩罚线性混合

模型用于高维多组学数据的预测分析

王乐

青岛大学数学与统计学院，山东青岛

收稿日期：2025年3月26日；录用日期：2025年4月21日；发布日期：2025年4月28日

摘要

在现代精准医学的探索中，对疾病风险的准确预测至关重要。高维多组学数据为此类预测研究提供了前

所未有的资源，但其高维性和复杂的内部关系给分析带来了重大挑战。我们提出了一种基于广义矩估计

框架方法(MpLMMGMM-AL)的自适应Lasso惩罚线性混合模型，用于使用高维多组学数据预测表型。我

们的方法采用自适应Lasso作为惩罚函数，利用随机效应部分的核函数捕获不同组学数据层的各种类型

的预测效应，并有效地选择预测组学区域及其相应的效应。通过大量的仿真，我们证明了MpLMMGMM-

AL可以同时考虑大量变量，并有效地从各自的组学层中选择具有预测