一种惩罚混合效应多任务学习的通用框架及其在DNA甲基化代用生物标记物创建上的应用
摘要：基于多中心研究的高维预测因子，我们提出了一种混合效应多任务学习的通用框架，以开发多变量DNAm生物标志物。该框架使用了基于期望最大化算法的惩罚估计方案，可以方便地将任何固定效应模型的惩罚准则纳入拟合过程中。我们将该方法应用于创建心血管疾病和相关合并症的多个相关风险因素的新型DNAm替代生物标志物。我们展示了该方法在预测能力和生物分子结果的解释方面，优于现有的最先进方法。
作者：Andrea Cappozzo, Francesca Ieva, Giovanni Fiorito
论文ID：2112.12719
分类：Applications
分类简称：stat.AP
提交时间：2023-02-28