该研究的目的是确定肿瘤和正常组织中差异表达基因的非线性关系，并校正针对患者口腔鳞癌样本的RNA-Seq实验中的任何差异。提出了广义加性模型的拉普拉斯似然模型，并在非线性拟合方面与常规GAM模型进行了比较。基于Laplacian Likelihood的GAM的非线性机器学习方法可以补充RNA-Seq分析，主要用于解释、验证和优先排序差异表达基因的患者样本数据。该分析简化了标准参数假设，有助于发现因变量和自变量之间的关联以及可能被忽略的参数平滑的复杂性。已经进行了一致性、标准误差、偏差和其他统计验证，以确认基于拉普拉斯似然的GAM效率<\/p> “，”DOI“：”10.4018\/ijcini.20211001.oa18“，”type“：”journal-article“，”created“：{”date-parts“：[2022,6,15]]，”date-time“：”2022-06-15T18:48:22Z“，”timestamp“：1655318902000}，”page“：1-19”，”source“：“Crossref”，“is-referenced-by-count”：0，”title“：[”基于Laplacian-Likelihood的口腔鳞癌RNA-Seq分析广义加性模型“]，“前缀“：”10.4018“，”volume“：”15“，”author“：[{”given“：印度班加罗尔阿查里亚理工学院CSE系“}]}]，“member”：“2432”，“container-title”：[“International Journal of Cognitive Informatics and Natural Intelligence”]，“original-title“：[]，“language”：“ng”，“link”：[{“URL”：“https:\\/www.igi-global.com\\viewtitle.aspx？TitleId=272225”，“content-type”：“unspecified”，“content-version”：“”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,1,16]]，”date-time“：”2023-01-16T21:47:55Z“，”timestamp“：1673905675000}，”score“：1，”resource“：{“primary”：{“URL”：“https:\/\/services.igi-global.com\/resolvedoi\/desolve.aspx？doi=10.4018\/IJCINI.20211001.oa18”}，“subtittle”：[“”]，“短标题”：[]，“已发布”：{“date-parts“：[2022,6,15]]}，“references-count”：0，“journal-issue”：{“issue”：“4”，“published-print”：{“date-part”：[2021,10]]}}，”URL“：”http://\/dx.doi.org\/10.4018\/ijcini.20211001.oa18“，”relationship“：{}，7-3958“，”type“：”print“}，{“value”：“1557-3966”，“type”：”electronic“}]，“subject”：[]，“published”：{“日期部分”：[[2022,6,15]]｝｝