継続的な臨床変数と遺伝子発現データの相関

各ケースとコントロールの〜25の遺伝子発現（〜400変数/遺伝子）のデータセットのSVM（線形カーネル）分類分析では、遺伝子発現ベースの分類子が非常に優れたパフォーマンス特性を持っていることがわかりました。ケースとコントロールは、（フィッシャーの正確確率検定またはt検定に従って）多数のカテゴリー的および継続的な臨床/人口統計学的変数について有意差はありませんが、年齢については有意差があります。

分類分析の結果が年齢の影響を受けているかどうかを示す方法はありますか？

遺伝子発現データを主成分に減らし、年齢に対する成分のスピアマン相関分析を行うことを考えています。

これは合理的なアプローチですか？または、SVM分析で得られた年齢とクラスメンバーシップの確率値の相関関係を確認できますか。

ありがとう。

このデータには少なくとも2つの可能性があります。1つの可能性は、マイクロアレイに疾患マーカーがまったく含まれていないことです。しかし、それらには年齢に関する情報が含まれています。あなたの場合、病気の集団と対照集団は異なる年齢であるため、良い分類性能の錯覚を得ます。もう1つの可能性は、マイクロアレイに疾患マーカーが含まれていることであり、さらに、これらのマーカーはSVMが注目しているものです。

これらの可能性の両方において、データの主成分が年齢と相関しているようです。最初のケースでは、年齢がデータが表すものであるためです。2番目のケースでは、疾患がデータが表すものであり、この疾患自体が（データセットの）年齢と相関しているためです。相関値を見て、どちらの場合かを結論付ける簡単な方法はないと思います。

効果を異なる方法で評価するにはいくつかの方法が考えられます。1つのオプションは、トレーニングセットを同じ年齢のグループに分割することです。この場合、「若い」年齢の場合、通常のクラスには疾患のクラスよりも多くのトレーニング例があり、高齢者の場合はその逆です。しかし、十分な例がある限り、これは問題にはなりません。別のオプションは、テストセットで同じことを行うことです。つまり、高齢の患者の場合、分類子が「病気」と頻繁に言う傾向があるかどうかを確認します。あなたはそれほど多くの例を持っていないので、これら両方のオプションは難しいかもしれません。

もう1つのオプションは、2つの分類子をトレーニングすることです。第一に、唯一の特徴は年齢です。これは0.82のAUCを持っているようです。2番目には、年齢とマイクロアレイデータがあります。（現在、マイクロアレイデータのみを使用する別の分類子をトレーニングしているようで、AUC 0.95が得られます。年齢機能を明示的に追加すると、パフォーマンスが向上する可能性が高いため、AUCはさらに高くなります。）2番目の分類子のパフォーマンスが最初に、これは年齢がこのデータで関心のある唯一のものではないことを示しています。あなたのコメントに基づいて、AUCの改善は0.13以上であり、これは公平なようです。