ioSearch:一种使用新算法识别相互作用的多组生物标志物的方法,可应用于乳腺癌数据集

科学领域:

• 基因组学和生物信息学
• 生物统计学 生物统计学
• 翻译医学是一种翻译医学.

背景情况:

• 复杂的疾病是由复杂的基因相互作用引起的,需要多种基因的整合.
• 传统的单一omics方法未能捕捉到inter-omics的依赖性,并与弱信号作斗争.
• 多学科整合提供了互补的信息,但面临着诸如高维度和数据多样性等挑战.

研究的目的:

• 开发一种新的算法,用于识别交互的多omics生物标志物.
• 解决现有方法在探索经济学间关系方面的局限性,并减少多重测试负担.
• 创建一个可解释的工具,使用路径信息来识别生物标志物.

主要方法:

• 提出了一种两步模型,从通过逻辑回归的表型-omics关联开始.
• 稀有的主要组件被用于选择与疾病相关的omics,并探索omics之间的关系.
• 开发了交互式omics搜索 (ioSearch) 算法,通过使用路径信息共同测试多omics效应和omics之间的关联.

主要成果:

• 模拟证实了ioSearch的统计能力和受控的I型错误率.
• 对乳腺癌数据的应用在显著途径内确定了相关的OMIC特征.
• 与传统方法相比,该方法有效降低了多重测试负担.

结论:

• ioSearch提供了一个统计学上可靠和可解释的方法,用于多omics生物标志物发现.
• 该算法成功地识别了对理解复杂疾病至关重要的交互的奥米克生物标志物.
• 这种方法有望促进各种复杂疾病中的生物标志物识别.