hierNetGxE 开发该软件包以适应正则化回归模型,我们将其称为hierNetGxE,用于基于层次化套索的基因-环境(GxE)交互作用的联合选择[Bien等。 (2013)]。 该模型集中于单个环境暴露,并引发“交互之前的主要作用”层次结构。 与为基因-基因(GxG)交互案例设计的原始分层套索模型不同,GxE模型具有更简单的块可分离结构,从而使其适合大规模应用。 我们开发并实施了一种高效的拟合算法和筛选规则,可以高精度地丢弃大量不相关的预测变量。 hierNetGxE模型通过添加到目标函数的凸约束来诱导(GxE)交互项的分层选择。 该模型具有两个调整参数λ1和λ2,分别负责模型相对于主要效果和相互作用的稀疏性。 介绍 可以使用hierNetGxE软件包 以“相互作用前的主要作用”分层方式选择基因-环境相互作用项 用于建立包含特定感兴趣的交互作用词的正确正确的联合预测模型,其中最终预