- Book学术

发布求助

文献互助智能选刊最新文献

SDÜ SAĞLIK BİLİMLERİ DERGİSİ Pub Date : 2022-12-20 DOI:10.22312/sdusbed.1201417

Merve Vergi̇li̇, H. Orhan

{"title":"Genomik Veri Setlerinin LASSO ve Elastik Net Regresyon Yöntemleri ile Analizi","authors":"Merve Vergi̇li̇, H. Orhan","doi":"10.22312/sdusbed.1201417","DOIUrl":null,"url":null,"abstract":"Amaç: Bu çalışmanın amacı büyük boyutlu genomik veri setlerinin değişken seçim yöntemleri kullanılarak daha küçük boyutlara indirgenip daha az maliyet ve zaman ile analizlerin gerçekleştirilebileceğini göstermektir. Gereç ve Yöntem: Bu çalışmada NCBI veri tabanından Bioconductor yardımı ile R programına aktarılan GDS4906 numaralı veri seti kullanılmıştır. Veri seti 10-katlı çapraz doğrulama ile LASSO ve Elastik Net regresyon yöntemleri kullanılarak analiz edilmiştir. Bulgular: Veri seti LASSO regresyon yöntemi ile analiz edildiğinde veri setinden 5 adet gen seçilmiş olup, sonrasında farklı iterasyonlarda seçilen değişkenler ve değişken sayılarında farklılık gözlendiğinden kararlılık seçimi yöntemi uygulanarak 2 adet gen seçilmiş ve modelin R2 değeri 0,85 olarak bulunmuştur. Aralıklı arama yöntemi kullanılarak uygulanan Elastik Net regresyon yönteminde 19 adet gen seçilmiş ve R2 değeri 0,92 olarak bulunmuştur. Sonuç: Elde edilen sonuçlara göre LASSO ve Elastik Net regresyon yöntemlerinin genomik veri setlerinde iyi bir performans gösterdiği anlaşılmıştır.","PeriodicalId":448097,"journal":{"name":"SDÜ SAĞLIK BİLİMLERİ DERGİSİ","volume":"15 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"SDÜ SAĞLIK BİLİMLERİ DERGİSİ","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.22312/sdusbed.1201417","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

摘要

研究目的本研究的目的是表明，使用变量选择方法可以将大型基因组数据集缩小到更小的规模，并能以更少的成本和时间进行分析。材料与方法本研究使用了编号为 GDS4906 的数据集，该数据集在 Bioconductor 的帮助下从 NCBI 数据库导入 R 程序。使用 LASSO 和 Elastic Net 回归方法对数据集进行了分析，并进行了 10 倍交叉验证。分析结果用 LASSO 回归法分析数据集时，从数据集中选取了 5 个基因，由于在不同的迭代中选取的变量和变量数量存在差异，因此又通过稳定性选择法选取了 2 个基因，结果发现模型的 R2 值为 0.85。在使用区间搜索法的弹性网回归法中，选择了 19 个基因，发现 R2 值为 0.92。结论根据所得结果，LASSO 和 Elastic Net 回归方法在基因组数据集中表现良好。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

查看原文本刊更多论文

Genomik Veri Setlerinin LASSO ve Elastik Net Regresyon Yöntemleri ile Analizi

Amaç: Bu çalışmanın amacı büyük boyutlu genomik veri setlerinin değişken seçim yöntemleri kullanılarak daha küçük boyutlara indirgenip daha az maliyet ve zaman ile analizlerin gerçekleştirilebileceğini göstermektir. Gereç ve Yöntem: Bu çalışmada NCBI veri tabanından Bioconductor yardımı ile R programına aktarılan GDS4906 numaralı veri seti kullanılmıştır. Veri seti 10-katlı çapraz doğrulama ile LASSO ve Elastik Net regresyon yöntemleri kullanılarak analiz edilmiştir. Bulgular: Veri seti LASSO regresyon yöntemi ile analiz edildiğinde veri setinden 5 adet gen seçilmiş olup, sonrasında farklı iterasyonlarda seçilen değişkenler ve değişken sayılarında farklılık gözlendiğinden kararlılık seçimi yöntemi uygulanarak 2 adet gen seçilmiş ve modelin R2 değeri 0,85 olarak bulunmuştur. Aralıklı arama yöntemi kullanılarak uygulanan Elastik Net regresyon yönteminde 19 adet gen seçilmiş ve R2 değeri 0,92 olarak bulunmuştur. Sonuç: Elde edilen sonuçlara göre LASSO ve Elastik Net regresyon yöntemlerinin genomik veri setlerinde iyi bir performans gösterdiği anlaşılmıştır.

求助全文

通过发布文献求助，成功后即可免费获取论文全文。去求助

来源期刊

SDÜ SAĞLIK BİLİMLERİ DERGİSİ

自引率

0.00%

发文量