Discovering combinatorial interactions in survival data.
Discovering combinatorial interactions in survival data.
复制标题
DOI：
10.1093/bioinformatics/btt532
复制
发表时间：
2013-12-01
期刊：
影响因子：
--
通讯作者：
Tsuda K
中科院分区：
文献类型：
--
作者：
Duverle DA;Takeuchi I;Murakami-Tonami Y;Kadomatsu K;Tsuda K
动机：虽然存在几种方法将高维基因表达数据与各种临床表型相关联，但在此类输入中找到特征的组合仍然是一个挑战，特别是在拟合复杂的统计模型（如用于生存研究的模型）时。结果如下：我们提出的方法建立在现有的“正则化路径跟踪”技术的基础上，以产生回归模型，该模型可以从与已知临床结果相关的大规模数据中提取任意复杂的输入特征模式（如基因组合）。通过使用数据的结构和项集挖掘技术，我们能够避免组合的复杂性问题，通常遇到这样的方法，我们的算法执行类似的订单的持续时间作为单变量版本。应用于癌症患者生存时间的各种临床研究的数据，我们的方法能够产生一些有前途的基因相互作用的候选人，其肿瘤相关的作用似乎被文献证实。可用性：本文中描述的算法的R实现可以在https://github.com/david-duverle/regularisation-path-following上找到，联系方式：dave. aist.go.jp补充信息：补充数据可以在生物信息学在线上找到。
Motivation: Although several methods exist to relate high-dimensional gene expression data to various clinical phenotypes, finding combinations of features in such input remains a challenge, particularly when fitting complex statistical models such as those used for survival studies. Results: Our proposed method builds on existing ‘regularization path-following’ techniques to produce regression models that can extract arbitrarily complex patterns of input features (such as gene combinations) from large-scale data that relate to a known clinical outcome. Through the use of the data’s structure and itemset mining techniques, we are able to avoid combinatorial complexity issues typically encountered with such methods, and our algorithm performs in similar orders of duration as single-variable versions. Applied to data from various clinical studies of cancer patient survival time, our method was able to produce a number of promising gene-interaction candidates whose tumour-related roles appear confirmed by literature. Availability: An R implementation of the algorithm described in this article can be found at https://github.com/david-duverle/regularisation-path-following Contact: dave.duverle@aist.go.jp Supplementary information: Supplementary data are available at Bioinformatics online.
登录
查看更多内容
影响因子：
3.6
作者：
Lee, Sunhee;Koh, Wansoo;Lee, Soojin
通讯作者：
Lee, Soojin
人类乳腺癌中的碳酸酐酶-9表达水平和预后：与治疗结果相关。
影响因子：
8.8
作者：
Span, P N;Bussink, J;Manders, P;Beex, L V A M;Sweep, C G J
通讯作者：
Sweep, C G J
影响因子：
158.5
作者：
van de Vijver, MJ;He, YD;Bernards, R
通讯作者：
Bernards, R
影响因子：
11.5
作者：
Cobleigh, MA;Tabesh, B;Shak, S
通讯作者：
Shak, S
影响因子：
2.1
作者：
Schwender, Holger;Ickstadt, Katja
通讯作者：
Ickstadt, Katja