哈尔滨医科大学卫生统计学教研室(150081) 李 称 张秋菊 孙 琳 丛雨欣 赵 敏 刘美娜

【提 要】 目的 验证ESPCA模型降维及变量选择的效果优于SPCA；利用ESPCA模型分析结肠癌基因数据，寻找不同主成分的通路信息，筛选结肠癌的差异基因。方法 模拟实验比较ESPCA模型与SPCA的降维及变量选择能力，通过灵敏度、特异度、准确度评价其变量筛选效果；收集TCGA结肠癌基因数据，利用ESPCA模型对结肠癌基因数据进行降维及变量筛选。结果 模拟实验获得的ESPCA模型具有较高的灵敏度、特异度和准确度，降维及变量选择效果优于SPCA。结肠癌数据分析结果显示：降维后ESPCA模型第一主成分中基因与18条GO-BP通路及7条KEGG通路有关，ESPCA模型第二主成分中基因与19条GO-BP通路有关；根据度中心性及中介中心性对主成分基因排序筛选出6个差异基因：MYC、CD44、PKM、FBL、PSMA7、RPS2，经GSE137327数据集验证具有较高的AUC值。结论 ESPCA模型在降维过程中既考虑数据本身信息，又考虑了生物网络信息，具有良好的降维及变量选择效果。结肠癌数据分析中ESPCA第一主成分中基因参与癌症相关的通路；ESPCA第二主成分中基因参与的通路与免疫相关；通路中基因参与癌症的发生发展过程、可能通过免疫反应相关通路调节结肠癌的发生发展过程；获得的6个结肠癌差异基因可为研究疾病发生机制和鉴别诊断提供依据。

随着组学技术发展，高通量组学数据为寻找生物标志物、疾病鉴别诊断提供新机遇。“高维、小样本”为组学数据的重要特征，成为影响组学研究结果准确性的重要因素。……