相关实验视频

Updated: Jul 4, 2025

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Published on: October 11, 2018

使用以中心为中心的一般线性模型来检测生物标志物之间的相互作用

Tao Wang¹, Chien-Wei Lin¹

¹Division of Biostatistics, Medical College of Wisconsin, Milwaukee, WI, USA.

Statistical methods in medical research

|February 6, 2024

概括

一个新的以中心为中心的一般线性模型 (cgLM) 避免了因子和相互作用之间的相关性,与标准的一般线性模型 (gLM) 不同. 这种方法在回归分析和基因表达研究中为相互作用检测提供了优势.

科学领域:

统计统计统计统计
生物统计学生物统计学
基因组学就是基因组学.

背景情况:

一般线性模型 (gLM) 通常模拟分类因素,但经常显示主要因素及其相互作用之间的相关性,即使与独立因素.
经典的双向变量因子分析 (ANOVA) 避免了这些相关性,但由于参数约束,在配变量的正则回归模型中存在局限性.

研究的目的:

提出一个以中心为中心的一般线性模型 (cgLM) 用于利用以中心为中心的虚拟变量来建模分类因子之间的相互作用.
为了证明cgLM可以避免因子相互作用相关性,类似于ANOVA,当因子是独立的.
展示cgLM在正则回归分析中的适用性,以及使用标准最小方程的轻松适配性.

主要方法:

开发了以中心为中心的一般线性模型 (cgLM),用于分类因子的中心模拟变量.
理论分析以证明避免了主要因素和相互作用之间的相关性.
与标准通用线性模型 (gLM) 和差异分析 (ANOVA) 模型进行比较.
模拟研究评估cgLM在相互作用检测中的性能.

主要成果:

拟议的cgLM有效地避免了主要因素及其相互作用之间的相关性,当因素独立分布时.
cgLM可以无地集成到正则线性回归框架中,并且可以通过选择适当的基线,克服参数约束来使用标准最小方程.
模拟研究表明,cgLM与gLM相比,在模型构建过程中检测相互作用方面具有潜在的优势.

结论:

集中式通用线性模型 (cgLM) 为分析涉及分类因素的相互作用提供了统计学上合理和计算上方便的gLM替代方案.
cgLM能够避免因子相互作用相关性,并且与标准回归技术兼容,这使其成为各种统计建模应用的有价值工具.
将cgLM应用于死后大脑基因表达数据的应用突显了其在生物研究中的实际实用性.

关键词:

一般线性模型一般线性模型互动是一种互动.最小平方估计的估计.平均值的修正是指平均值的修正.差异的双向因数分析.

更多相关视频

Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data

Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data

Published on: June 26, 2013

Basics of Multivariate Analysis in Neuroimaging Data

Basics of Multivariate Analysis in Neuroimaging Data

Published on: July 24, 2010

相关概念视频

Mechanistic Models: Compartment Models in Individual and Population Analysis

Mechanistic Models: Compartment Models in Individual and Population Analysis

Mechanistic models are utilized in individual analysis using single-source data, but imperfections arise due to data collection errors, preventing perfect prediction of observed data. The mathematical equation involves known values (Xi), observed concentrations (Ci), measurement errors (εi), model parameters (ϕj), and the related function (ƒi) for i number of values. Different least-squares metrics quantify differences between predicted and observed values. The ordinary least...

Protein Networks

Protein Networks

An organism can have thousands of different proteins, and these proteins must cooperate to ensure the health of an organism. Proteins bind to other proteins and form complexes to carry out their functions. Many proteins interact with multiple other proteins creating a complex network of protein interactions.
These interactions can be represented through maps depicting protein-protein interaction networks, represented as nodes and edges. Nodes are circles that are representative of a protein,...