El cáncer de pulmón continúa siendo un problema crítico de salud pública, y la identificación de biomarcadores confiables es esencial para mejorar su diagnóstico. El análisis de expresión génica ofrece una vía prometedora, aunque presenta retos como la alta dimensionalidad, el bajo tamaño de muestra y la heterogeneidad entre diversos estudios. Para abordar estas dificultades, en este trabajo se emplea la metodología modelo-X knockoffs, la cual permite realizar la selección controlada de variables con control de la tasa de falsos descubrimientos en estos escenarios donde la dimensión es alta y el tamaño de muestra es pequeño (p≫n). En particular, se hace uso de la metodología de knockoffs simultáneos, la cual permite realizar una selección controlada de variables integrando la información de múltiples experimentos independientes posiblemente heterogéneos. Para la creación de las variables de imitación se implementaron knockoffs de segundo orden y secuenciales, así como distintas funciones para construir estadísticos de importancia adecuados bajo el esquema de knockoffs simultáneos. El algoritmo desarrollado en R se implementó con datos curados del repositorio LCE (Lung Cancer Explorer). Los resultados muestran que la metodología es capaz de identificar varios genes realmente asociados con la respuesta binaria (clasificación de tejido canceroso y normal) y, a medida que se incorporan más bases, se incrementa la capacidad de identificación. Se presenta un buen control de la proporción de descubrimientos falsos cuando los resultados se contrastan y respaldan con un metaanálisis ejecutado con herramientas de análisis del LCE. Estos hallazgos subrayan la utilidad del modelo-X de knockoffs y la relevancia de la metodología implementada. Palabras clave: Cáncer de pulmón, Biomarcadores, Modelo-X knockoffs, Selección de variables, Alta dimensión, Falsos descubrimientos, Metaanálisis.
Lung cancer remains a critical public health issue, and the identification of reliable biomarkers is essential to improve its diagnosis. Gene expression analysis offers a promising path, although it presents challenges such as high dimensionality, small sample size, and heterogeneity across various studies. To address these difficulties, this work employs the model-X knockoffs methodology, which allows for controlled variable selection while controlling the false discovery rate in scenarios where the dimension is high and the sample size is small (p ≫ n). Specifically, we use the simultaneous knockoffs methodology, which allows for controlled variable selection by integrating information from multiple potentially heterogeneous independent experiments. For the creation of the imitation variables, second-order and sequential knockoffs were implemented, as well as different functions to construct importance statistics suitable for the simultaneous knockoffs scheme. The algorithm developed in R was implemented using curated data from the LCE repository (Lung Cancer Explorer). The results show that the methodology is capable of identifying several genes truly associated with the binary response (classification of cancerous and normal tissue) and, as more datasets are incorporated, the identification capacity increases. There is good control of the proportion of false discoveries when the results are contrasted and supported by a meta-analysis executed with LCE analysis tools. These findings underscore the utility of the model-X knockoffs approach and the relevance of the implemented methodology. Keywords: Lung cancer, Biomarkers, Model-X knockoffs, Variable selection, High dimension, False discoveries, Meta-analysis.
Des relations
| Dans l'ensemble administratif: |
|
|---|
Descriptions
| Nom d'attribut | Valeurs |
|---|
| Creador |
|
|---|
| Contributeurs |
|
|---|
| Tema |
|
|---|
| Editor |
|
|---|
| Idioma |
|
|---|
| Mot-clé |
|
|---|
| Año de publicación |
|
|---|
| Tipo de Recurso |
|
|---|
| Derechos |
|
|---|
| División académica |
|
|---|
| Línea académica |
|
|---|
| Licencia |
|
|---|
