Bonjour, je suis intéressé par une analyse de survie avec des données d’expression génique. Les données d'entrée seraient un groupe de gènes, et je souhaite identifier le groupe (sous-ensemble) de gènes présentant les meilleures performances de modèle. JMP (ou JMP Genomics) peut-il identifier automatiquement le meilleur modèle?
@COMME , il semble que votre réponse ci-dessus se soit brouillée.
Pouvez-vous essayer de poster à nouveau?
Je pense qu’une question que je voudrais d’abord poser est la suivante: comment identifier le "meilleur" modèle? JMP Pro et JMP Genomics proposent des méthodes de validation permettant d'identifier le "meilleur" modèle (AICc, BIC, colonne de validation, validation croisée, etc.). Il existe également des statistiques sur l'ajustement qui aident également à identifier la méthode de modèle la plus performante.
Comme mentionné précédemment, JMP Pro fait un très bon travail en sélectionnant automatiquement le modèle (nombre de prédicteurs à utiliser pour le modèle) en fonction de la méthode de validation choisie pour le modèle qui vous intéresse. Il reste à comparer les méthodes de modélisation et les modèles eux-mêmes. JMP Pro et JMP Genomics fournissent tous deux des outils de comparaison de modèles pour l’évaluer.
En fin de compte, il faut toujours explorer quels sont les gènes et à quoi ressemble le modèle avant de les utiliser. La modélisation est un processus exploratoire et ne doit pas être complètement "automatisée".
Les informations de JMP Genomics sur la modélisation prédictive peuvent être trouvées ici:
https://www.jmp.com/support/downloads/JMPG90_documentation/wwhelp/wwhimpl/js/html/wwhelp.htm#href=predictive_modeling.11.01.html
Examinez la méthode d'estimation de Buckley-James qui permet d'utiliser d'autres méthodes de modélisation (telles que la régression de crête, etc.) pour les données de temps jusqu'à événement avec un censeur.
Chris
