Statistical model choice including variable selection based on variable importance: A relevant way for biomarkers selection to predict meat tenderness
| Autor: | Jérôme Saracco, Marie-Pierre Ellies-Oury, Brigitte Picard, Alexandre Conanec, Marie Chavent, Muriel Bonnet |
|---|---|
| Přispěvatelé: | Université Clermont Auvergne (UCA), Institut National de la Recherche Agronomique (INRA), VetAgro Sup - Institut national d'enseignement supérieur et de recherche en alimentation, santé animale, sciences agronomiques et de l'environnement (VAS), Quality control and dynamic reliability (CQFD), Institut de Mathématiques de Bordeaux (IMB), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Inria Bordeaux - Sud-Ouest, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS), Ecole Nationale Supérieure de Cognitique (ENSC), Institut Polytechnique de Bordeaux, Unité Mixte de Recherche sur les Herbivores - UMR 1213 (UMRH), Institut National de la Recherche Agronomique (INRA)-VetAgro Sup - Institut national d'enseignement supérieur et de recherche en alimentation, santé animale, sciences agronomiques et de l'environnement (VAS)-AgroSup Dijon - Institut National Supérieur des Sciences Agronomiques, de l'Alimentation et de l'Environnement, European Union (EU) FOODCT-2006-36241European Union (EU), Institut National de la Recherche Agronomique (INRA)-VetAgro Sup - Institut national d'enseignement supérieur et de recherche en alimentation, santé animale, sciences agronomiques et de l'environnement (VAS), Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS)-Inria Bordeaux - Sud-Ouest, Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1 (UB)-Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux (Bordeaux INP)-Centre National de la Recherche Scientifique (CNRS), VetAgro Sup - Institut national d'enseignement supérieur et de recherche en alimentation, santé animale, sciences agronomiques et de l'environnement (VAS)-Institut National de la Recherche Agronomique (INRA)-AgroSup Dijon - Institut National Supérieur des Sciences Agronomiques, de l'Alimentation et de l'Environnement |
| Jazyk: | angličtina |
| Rok vydání: | 2019 |
| Předmět: |
0301 basic medicine
Meat [SDV]Life Sciences [q-bio] lcsh:Medicine Feature selection Article tendrete de la viande 03 medical and health sciences 0302 clinical medicine Linear regression Statistics Covariate Food Quality Sliced inverse regression Animals lcsh:Science Heat-Shock Proteins Selection (genetic algorithm) ComputingMilieux_MISCELLANEOUS Mathematics Models Statistical Multidisciplinary lcsh:R Computational Biology Regression analysis Statistical model Regression Computational biology and bioinformatics [STAT]Statistics [stat] 030104 developmental biology Regression Analysis Cattle lcsh:Q Structural biology biomarqueur Biomarkers Metabolic Networks and Pathways 030217 neurology & neurosurgery |
| Zdroj: | Scientific Reports Scientific Reports, Nature Publishing Group, 2019, 9 (1), ⟨10.1038/s41598-019-46202-y⟩ Scientific Reports, 2019, 9 (1), ⟨10.1038/s41598-019-46202-y⟩ Scientific Reports (sous presse), . (2019) Scientific Reports, Vol 9, Iss 1, Pp 1-12 (2019) |
| ISSN: | 2045-2322 |
| Popis: | In this paper, we describe a new computational methodology to select the best regression model to predict a numerical variable of interest Y and to select simultaneously the most interesting numerical explanatory variables strongly linked to Y. Three regression models (parametric, semi-parametric and non-parametric) are considered and estimated by multiple linear regression, sliced inverse regression and random forests. Both the variables selection and the model choice are computational. A measure of importance based on random perturbations is calculated for each covariate. The variables above a threshold are selected. Then a learning/test samples approach is used to estimate the Mean Square Error and to determine which model (including variable selection) is the most accurate. The R package modvarsel (MODel and VARiable SELection) implements this computational approach and applies to any regression datasets. After checking the good behavior of the methodology on simulated data, the R package is used to select the proteins predictive of meat tenderness among a pool of 21 candidate proteins assayed in semitendinosus muscle from 71 young bulls. The biomarkers were selected by linear regression (the best regression model) to predict meat tenderness. These biomarkers, we confirm the predominant role of heat shock proteins and metabolic ones. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|