基于正则化回归的组学数据变量筛选方法

近年来，随着各种生物检测技术的发展，医学研究中出现了各种高通量数据，如基因组、蛋白质组和代谢组学数据等，变量选择是生物标志物识别和建立分类模型的重要环节，由于高维组学数据中的绝大多数变量对分类并不起作用，并且存在多重共线性、模型过拟合等问题，传统的基于最小二乘方法估计的线性回归并不适用于高维数据。