Name: 基于lasso回归模型方法筛选特征基因（56）
SKU: 1318
Price: 69.90 CNY
Availability: InStock

描述

LASSO是由1996年Robert Tibshirani首次提出，全称Least absolute shrinkage and selection operator(最小绝对收缩和选择算子)。该方法是一种压缩估计。它通过构造一个惩罚函数得到一个较为精炼的模型，使得它压缩一些回归系数，即强制系数绝对值之和小于某个固定值；同时设定一些回归系数为零。因此保留了子集收缩的优点，是一种处理具有复共线性数据的有偏估计。

LASSO也是一种广泛应用于Cox比例风险回归模型的流行方法，用于高维数据的生存分析。LASSO 回归的特点是在拟合广义线性模型的同时进行变量筛选和复杂度调整。因此，不论目标因变量是连续的，还是二元或者多元离散的，都可以用 LASSO 回归建模然后预测。这里的变量筛选是指不把所有的变量都放入模型中进行拟合，而是有选择的把变量放入模型从而得到更好的性能参数。复杂度调整是指通过一系列参数控制模型的复杂度，从而避免过度拟合。对于线性模型来说，复杂度与模型的变量数有直接关系，变量数越多，模型复杂度就越高。更多的变量在拟合时往往可以给出一个看似更好的模型，但是同时也面临过度拟合的危险。此时如果用全新的数据去验证模型，通常效果很差。一般来说，变量数大于数据点数量很多，或者某一个离散变量有太多独特值时，都有可能过度拟合。在目前的研究中，可使用LASSO Cox回归模型检测与癌症表型显著相关的枢纽基因。因此本代码基于肿瘤样本的基因表达谱并结合不同样本分组，利用LASSO(最小绝对收缩和选择算子)算法，得到与表型密切相关的特征基因。只需要输入基因表达矩阵及样本的表型信息，将自行构造惩罚函数得到精炼的LASSO回归模型以获取特征基因。同时结合样本分组绘制特征基因间相关性分析图。

使用方法：Rscript LASSO.R –Eset= –sampleLabels=

参数说明：

USAGE:

LASSO.R –Eset=<Eset> –sampleLabels=<sampleLabels>

PARAMETERS:

–Eset the gene expression matrix ,gene as row,sample as column ,input txt format using tabs as delimiters

–sampleLabels the sample classification labels ,the first column is sample name which is consistent with Eset column in order,the second column is the classification labels, input txt format using tabs as delimiters.Note: the sample size should be smaller than the number of genes

操作步骤：

1、打开命令行界面，输入“Rscript LASSO.R”调阅帮助文档，确定该程序所需的输入文件。

2、用户根据帮助文档中的参数说明内容，对参数进行设置。这里，必须输入参数有2个，分别是–Eset，表示基因表达矩阵文件，以基因为行，样本为列，保存为txt文件，使用制表符作为分隔符，注意样本量应大于基因数量。–sampleLabels表示样本表型信息，包含两列，第一列为样本名称，必须包含于或等于基因表达矩阵的样本，第二列为对应的表型，使用制表符作为分隔符输入txt格式。