【工具】BioPred一个用于精准医疗中生物标志物分析的 R 软件包

介绍

R 语言包 BioPred 提供了一系列用于精准医疗中的亚组分析和生物标志物分析的工具。它借助极端梯度提升(XGBoost)算法,并结合倾向得分加权和 A 学习方法,帮助优化个体化治疗规则,从而简化亚组识别过程。BioPred 还能够识别预测性生物标志物,并获取其重要性排名。此外,该包还提供了针对生物标志物分析定制的图形图表。这一工具使临床研究人员能够加深对药物开发中生物标志物和患者群体的理解。

The R package BioPred offers a suite of tools for subgroup and biomarker analysis in precision medicine. Leveraging Extreme Gradient Boosting (XGBoost) along with propensity score weighting and A-learning methods, BioPred facilitates the optimization of individualized treatment rules to streamline subgroup identification. BioPred also enables the identification of predictive biomarkers and obtaining their importance rankings. Moreover, the package provides graphical plots tailored for biomarker analysis. This tool enables clinical researchers seeking to enhance their understanding of biomarkers and patient population in drug development.

代码

https://github.com/deeplearner0731/BioPred

文章目录

案例

安装

r 复制代码
install.packages("BioPred")

devtools::install_github("deeplearner0731/BioPred")

运行代码: https://cran.r-project.org/web/packages/BioPred/vignettes/Tutorial.html

r 复制代码
model = XGBoostSub_bin(X, y, trt, pi,Loss_type = "A_learning", params = list(learning_rate = 0.01, max_depth = 1, lambda = 5, tree_method = 'hist'), nrounds = 300, disable_default_eval_metric = 0, verbose = FALSE)

get_subgroup_results(model, X)

eval_metric_bin(model, X, y, pi, trt, Loss_type = "A_learning")

predictive_biomarker_imp(model)

fixcut_bin(yvar="y", xvar="x1", dir=">", cutoffs=c(0.1,0.3,0.5), data=tutorial_data, method="Fisher", yvar.display="y", xvar.display="Biomarker x1", vert.x=F)

res=cut_perf(yvar="y", censorvar=NULL, xvar="x1", cutoff=c(0.5), dir=">", xvars.adj=NULL, data=tutorial_data, type="c", yvar.display="y", xvar.display="Biomarker x1")

res = subgrp_perf_pred(yvar="y.time", censorvar="y.event", grpvar="biogroup", grpname=c("biomarker_positive",'biomarker_negative'),trtvar="treatment_categorical", trtname=c("Placebo", "Treatment"), xvars.adj=NULL,data=tutorial_data, type="s")

gam_ctr_plot(yvar="y.time", censorvar="y.event", xvar= "x1", xvars.adj=NULL,sxvars.adj=NULL,trtvar="trt",type="s",data=tutorial_data, k=5, title="Group Contrast", ybreaks=NULL, xbreaks=NULL, rugcol.var=NULL,link.scale=T, prt.sum=T, prt.chk=F, outlier.rm=F)

roc_bin_plot(yvar="y", xvars="x1", dirs="auto", data=tutorial_data, yvar.display="y.bin", xvars.display="Biomarker x1")

参考

相关推荐
Senar29 分钟前
如何判断浏览器是否开启硬件加速
前端·javascript·数据可视化
小研学术4 小时前
如何用AI辅助数据分析及工具推荐
论文阅读·人工智能·ai·数据挖掘·数据分析·deepseek
qq_436962184 小时前
AI数据分析与BI可视化结合:解锁企业决策新境界
人工智能·数据挖掘·数据分析
lilye665 小时前
精益数据分析(11/126):辨别虚荣指标,挖掘数据真价值
大数据·人工智能·数据分析
图表制作解说(目标1000个图表)7 小时前
ECharts散点图-散点图13,附视频讲解与代码下载
echarts·统计分析·数据可视化·散点图·大屏可视化
赵钰老师7 小时前
【大语言模型DeepSeek+ChatGPT+python】最新AI-Python机器学习与深度学习技术在植被参数反演中的核心技术应用
人工智能·arcgis·语言模型·chatgpt·数据分析
gyratesky11 小时前
在地图上做交通数据可视化展示
前端·数据可视化
石榴花专场11 小时前
分类算法中one-vs-rest策略和one-vs-one 策略的区别是什么?
人工智能·python·机器学习·数据挖掘
带娃的IT创业者11 小时前
《AI大模型应知应会100篇》第30篇:大模型进行数据分析的方法与局限:从实战到边界探索
人工智能·数据挖掘·数据分析
Cachel wood12 小时前
Mysql相关知识2:Mysql隔离级别、MVCC、锁
数据库·python·sql·mysql·中间件·数据分析·django