Durchschnittliche Genexpressionen für Regression

Obwohl das Averaging eine einfache Technik ist, spielt es eine wichtige Rolle bei der Verringerung der Variabilität. Wir nutzen diese wesentliche Eigenschaft des Averaging in der Regression der DNA-Mikroarray-Daten, die die Herausforderung mit sich bringt, dass es weit mehr Merkmale als Proben gibt. In dieser Arbeit stellen wir ein zweistufiges Verfahren vor, das (1) hierarchisches Clustering und (2) Lasso kombiniert. Durch das Durchschnittsbilden der Gene innerhalb der aus dem hierarchischen Clustering gewonnenen Cluster definieren wir Supergene und verwenden diese, um Regressionsmodelle zu erstellen, wodurch wir eine prägnante Interpretation und Genauigkeit erreichen. Unsere Methoden werden durch theoretische Begründungen unterstützt und an simulierten sowie realen Datensätzen demonstriert.