RISE:用于疫苗学的二阶段基于等级的高维代用标记物的识别
Arthur Hughes1,2, Layla Parast3, Rodolphe Thiébaut1,2,4
1INSERM, INRIA, BPH, U1219, SISTM, University of Bordeaux, Bordeaux, France.
Statistics in medicine
|September 5, 2025
概括
我们开发了一种新的方法,即基于排名的高维代用E标记 (RISE) 识别,以找到疫苗有效性的代用标记. 在流感疫苗试验中,RISE成功发现了预测免疫反应的基因表达特征.
科学领域:
- 免疫学
- 生物信息学
- 疫苗学
背景情况:
- 鉴定替代标志物对于长期疫苗试验的跟踪至关重要,为早期的疗效指标和加速开发提供了帮助.
- 像RNA测序这样的高通量技术产生复杂的,高维数据,对传统的替代标记物识别构成挑战.
- 现有的方法难以处理现代疫苗研究中常见的小样本,高维度数据.
研究的目的:
- 引入一种新的统计方法,即基于排名的高维替代标记物 (RISE) 识别,用于识别高维生物数据中的替代标记物.
- 评估RISE在模拟研究中的表现,评估其控制I型错误率和保持经验能力的能力.
- 在人类无活化流感疫苗试验中使用RISE来识别免疫反应的基因表达替代物.
主要方法:
- RISE使用非参数单变量测试进行初始变量选,然后对独立数据集进行替代评估.
- 为了在各种条件下评估RISE的统计特性,进行了模拟研究.
- 该方法应用于无活化流感疫苗试验中的RNA测序数据,以确定与免疫反应相关的基因表达标记.
主要成果:
- RISE显示了可取的统计特性,包括精确控制I型错误率和在模拟中具有良好的实证能力.
- 在RISE对流感疫苗数据的应用中,发现了一种基因表达特征,作为中和抗体反应的替代物.
- 鉴定的基因特征对与先天抗病毒信号传递和干扰素刺激有关的途径进行了丰富,这显然具有生物相关性.
结论:
- RISE 是一种强大且有效的方法,用于在小型样本中识别替代标记,这是疫苗研究的典型高维设置.
- 鉴定出的基因表达特征为预测免疫反应对无活化的流感疫苗提供了潜在的生物标志物.
- 这些发现突显了将高通量数据与新型统计方法整合起来,以推进疫苗学的有用性.


