基于非参数生物标志物的治疗选择与可重现性数据

科学领域:

• 生物统计学 生物统计学
• 基因组学就是基因组学.
• 翻译医学是一种翻译医学.

背景情况:

• 评估癌症治疗选择的生物标志物至关重要.
• 测试修改,例如将基因表达数据从Affymetrix迁移到Illumina平台,带来了挑战.
• 生物标志物迁移的现有方法可能依赖于在实践中不成立的假设,可能导致不理想的治疗决策.

研究的目的:

• 开发和评估一个可靠的方法来评估在测试修改下生物标志物.
• 为了确保最佳的治疗选择,尽管在生物标志物平台迁移期间可能会出现测量错误.
• 解决生物标志物评估中的经典测量误差模型的局限性.

主要方法:

• 使用非参数逻辑回归来建模事件率和生物标志物之间的关系.
• 假设原始和迁移的生物标志物之间存在非参数关系.
• 雇佣的B-spline近似用于估计.
• 通过模拟研究和对肺癌数据的应用来验证该方法.

主要成果:

• 非参数模型提供了基于标记物的最佳治疗选择.
• 与无错误生物标志物相比,受错误污染的生物标志物导致治疗选择不足最佳.
• 提出的方法有效地处理与经典测量误差模型的偏差.

结论:

• 开发的非参数方法提供了一种更准确和最佳的策略,用于在试验修改后基于生物标志物的治疗选择.
• 这种方法提高了生物标志物迁移的可靠性,并降低了非最佳临床决策的风险.
• 这些发现适用于肺癌和可能需要生物标志物引导治疗的其他疾病.