通过研究基因表达微阵列数据预测患者治疗后的生存率越来越受到关注。在具有高维基因组数据的回归和分类模型中，boosting已成功应用于建立准确的预测模型并同时进行变量选择。我们提出了具有右删失生存数据的半参数加速失效时间模型的Buckley-James boosting，该模型可用于使用高维基因组数据预测未来患者的生存。本着自适应LASSO的精神，还结合了双增压以适应更稀疏的模型。所提出的方法具有统一的方法来拟合线性模型、可能相互作用的非线性效应模型。这些方法可以同时进行变量选择和参数估计。通过模拟评估了提出的方法，并将其应用于当前金标准疗法下弥漫性大B细胞淋巴瘤患者的最新微阵列基因表达数据集。
©2011 Walter de Gruyter GmbH&Co.KG，柏林/波士顿
