Análisis de conjuntos de genes para resultados de tiempo hasta el evento: comparación de un nuevo enfoque basado en la estadística generalizada de Berk–Jones con métodos existentes en presencia de correlación intra-conjunto de genes

El análisis de conjuntos de genes evalúa el impacto colectivo de grupos de genes en un resultado de interés, como la ocurrencia de enfermedades. Al incorporar conocimiento biológico a través de conjuntos de genes predefinidos, este enfoque mejora la interpretabilidad de los resultados y aumenta el poder estadístico en comparación con análisis a nivel de genes. En el contexto de datos de tiempo hasta el evento, los métodos existentes son limitados y no consideran las correlaciones potencialmente fuertes dentro de los conjuntos de genes. Dada la fuerte actuación de la estadística Generalizada de Berk-Jones (GBJ), que incorpora de manera efectiva la correlación dentro de la estadística de prueba, adaptamos este método al marco de tiempo hasta el evento utilizando un modelo de Cox. Luego comparamos su desempeño con métodos establecidos, incluidos el Cauchy, la Media Armónica, la prueba de Wald, la prueba global y la prueba de refuerzo global. Además, realizamos un análisis comparativo de estos métodos en dos conjuntos de datos del mundo real: gliomas y cáncer de mama. Nuestro método propuesto, sGBJ, muestra un sobrecontrol del error Tipo I, lo que conduce a una reducción del poder estadístico en comparación con otros métodos en estudios numéricos, particularmente cuando el número de genes es mayor o igual al número de observaciones. La prueba de Wald y la prueba de refuerzo global generalmente exhibieron el mayor poder, excepto en situaciones de muy alta correlación para la prueba de refuerzo global, mientras que la prueba de Wald no pudo ajustar por variables de confusión en las implementaciones actuales.