значение 17 аркана в прямом и перевернутом положении

Вифлеемская звезда или Гора Небес – один из старших арканов в колоде Таро под номером 17. Его значение зависит от положения карты – она может выпасть прямой или перевернутой. А также толкование Звезды можно смотреть по сочетанию с другими арканами. Из нашей статьи вы узнаете, как трактуется его значение в зависимости от вида расклада.

Содержание

1. Описание карты “Звезда” в Таро – 17 старший аркан
2. Что означает карта Таро “Звезда”
3. 17 аркан для женщин
4. 17 аркан для мужчин
5. Толкование 17 аркана Таро в прямом положении
6. Расшифровка 17 аркана Таро в перевернутом положении
7. Характеристика человека по карте “Звезда”
8. 17 аркан Таро в отношениях и любови
9. Значение 17 аркана Таро в работе и финансах
10. Значение 17 аркана Таро на здоровье
11. Духовность и саморазвитие
12. Карта Таро “Звезда” в сочетании со старшими арканами
13. Сочетание 17 аркана Таро “Звезда” с другими картами
14. Значение карты Таро “Звезда” в раскладе на ситуацию
15. Значение 17 аркана Таро в прогнозе на день
16. Значение 17 аркана Таро в раскладе на будущее
17. Ответ на вопрос
18. Главный совет

Описание карты “Звезда” в Таро – 17 старший аркан

На карте изображена обнаженная молодая белокурая женщина на берегу озера. Одна ее нога согнута в колене и стоит на земле, другая опущена в воду. Вокруг нее – живописная местность: зеленая трава, цветы, вдалеке виднеется дерево, на ветке которого сидит птица.

Небо освещают 8 восьмиконечных звезд: одна большая желтая и семь меньших по размеру, белого цвета. Девушка держит в руках два кувшина. Вода из одного льется обратно в водоем, из другого – на землю.

Что означает карта Таро “Звезда”

В Таро Уэйта Звезда – это семнадцатый по счету старший аркан, который имеет много других названий:

• Гора Небес.
• Живущая Среди Вод.
• Дочь небосвода.
• Вифлеемская звезда.
• Путеводная звезда.
• Звезда Волхвов.
• Звезда Магов.
• La Stella (итал.).
• L’Etoile (фр.).
• The Star (англ.).
• Der Stern (нем.).

17 аркан Таро Звезда считается одной из наиболее благоприятных карт, она означает вдохновение, радость, счастье, любовь, долгожданное достижение своей цели.

Перечислим всё, о чем еще говорит 17 аркан Таро:

• надежда;
• оптимизм;
• энтузиазм;
• творчество;
• перспективы;
• удача;
• образование;
• помощь;
• духовный рост;
• иллюзии.

Обои с рисунком этого аркана на экране смартфона помогут в разных жизненных ситуациях: не отчаиваться и верить в свою Звезду, надеяться на скорые изменения в жизни, набраться терпения и дождаться своей заслуженной награды.

17 аркан для женщин

При раскладе карт Таро для женщины Звезда имеет следующее значение: в жизни наступает благоприятный период, когда можно довериться интуиции и начать активно развивать свои таланты или идеи. Нет поводов для страха, поскольку планы будут реализованы в полном соответствии с ожиданиями, вы добьетесь успеха в своем деле, а конкуренты не смогут противостоять или затмить вас.

Слушайте внутренний голос, он станет источником творческой энергии и вдохновения, придаст сил, если покажется, что ваш труд никому не нужен.

17 аркан для мужчин

17 аркан означает уверенность, мудрость и понимание взаимосвязей в этом мире. Поэтому карта, выпавшая при раскладе для мужчины, говорит о том, что не стоит ждать сиюминутного результата.

Возможно, сейчас вы не осознаете, насколько серьезное и судьбоносное решение принимаете, поэтому торопитесь и хотите быстрее увидеть эффект от своих усилий. Но любому семени нужно время, чтобы прорасти и превратиться в богатый урожай. Еще одна подсказка Звезды: вашим вдохновением и стимулом может стать молодая женщина.

Толкование 17 аркана Таро в прямом положении

Звезда символизирует начало нового, счастливого, плодотворного этапа в жизни, грандиозных перспектив, положительных эмоций. Все испытания и трудности останутся в прошлом. В этот период можно мечтать, строить планы, переходить к воплощению своих идей.

Ваши возможности расширяются, поэтому не бойтесь использовать их по максимуму. Высшие силы будут помогать вам, поэтому будьте внимательны, ищите знаки, подсказки свыше. Возможно, вы откроете для себя новую сферу деятельности, обнаружите в себе способности, которые не замечали раньше.

Еще одно толкование карты – восстановление отношений с близкими или друзьями после долгой паузы. Недопонимания и обиды будут преодолены и забыты, если вы проявите доброжелательность. А также вам стоит ждать знакомств или встреч, которые произойдут при необычных обстоятельствах, но окажутся продолжительными. Именно эти контакты окажут положительное влияние на вашу личную или профессиональную жизнь.

Расшифровка 17 аркана Таро в перевернутом положении

Перевернутая карта может иметь и нейтральное, и отрицательное значение. 17 аркан, выпавший в обратном положении, указывает на пессимизм, безосновательную неуверенность в себе, сомнения – только они являются основными препятствиями на пути к цели.

Из-за опасений или уныния вы не замечаете хорошие возможности, ценные ресурсы, в результате собственными действиями не даете реализоваться своим планам или творческим порывам, приводите себя к эмоциональному выгоранию, что в итоге негативно сказывается на самочувствии.

Вторая интерпретация перевернутого рисунка – полная потеря надежды, апатия, ощущение разочарования и безнадежности, нежелание менять свою жизнь. Аркан можно расшифровать как начало периода, на протяжении которого вас ждет скучная, рутинная работа, отсутствие возможностей проявить свой потенциал. Он символизирует конец блистательной карьеры, неудачные попытки вернуть былой успех или популярность.

Характеристика человека по карте “Звезда”

Само название аркана уже говорит за себя, по нему можно дать следующую характеристику человеку: моложавый, энергичный, вдохновленный, нацеленный на успех, имеющий грандиозные планы, искренний, уверенный в себе, оптимистичный. Он способен мечтать, фантазировать, при этом прочно стоит ногами на земле и имеет четкое понимание будущего. У него есть способность двигаться к самым высоким целям радостно, безмятежно, без больших усилий или жертв.

Карта в обратном положении имеет иное значение. При описании такого мужчины или женщины уместно использовать фразы “Поймал звезду”, “Зазвездился”. Характерны такие качества, как надменность, высокомерие, уверенность в своем мнимом превосходстве или надуманных талантах. Такое поведение можно считать попыткой самообмана. Это значит, что обладатель перевернутой Звезды чувствует себя отверженным, но тщательно старается скрыть это.

Если при раскладе карта выпадает в прямом положении, она может указывать на девушку, молодую женщину, человека, наделенного творческим талантом или оказывающего помощь людям, при перевернутом – на пессимиста либо прожигателя жизни, который имеет потенциал, но не реализует его.

17 аркан Таро в отношениях и любови

Звезда в раскладе на любовные отношения имеет благоприятное значение. Аркан символизирует романтику, влюбленность, искренность, доверие, счастливый период в личной жизни.

Прямое положение карты может говорить о том, что:

• Если в прошлом были ссоры, недопонимания с мужчиной, то наступает этап перемирия, гармонии, взаимопонимания.
• Знакомство будет плодотворным, можно ждать не только приятного общения и свиданий, но и признаний в любви.
• Появляется надежда для пары, которая столкнулась с кризисом – в ближайшее время чувства вспыхнут с новой силой.

Перевернутая карта означает рухнувшие мечты, бессилие, неспособность повлиять на ситуацию. Возможно, ваш конфликт с партнером станет финальной точкой, либо надежды, которые вы возлагали на этот союз, не оправдаются.

Есть и другие расшифровки аркана при обратном положении:

• Чрезмерная рациональность при выборе избранника мешает развиться вашим чувствам.
• Период безответной любви может быть продолжительным, вы долгое время не сможете забыть своего возлюбленного.
• Вы не чувствуете радости, вкуса жизни, поэтому представители противоположного пола не стремятся к общению с вами.

Значение 17 аркана Таро в работе и финансах

Прямое положение карты – знак долгожданного прорыва и успеха в работе, стремительного карьерного роста. Вы получите не только удовольствие от профессии, но и вознаграждение, признание коллег, начальства, партнеров. Переговоры, сделки, проекты, совершенные в этот период, будут прибыльными.

Возможно, вы найдете свое призвание или увидите новые возможности. Звезда символизирует творческие сферы: дизайн, массмедиа, выступления на сцене и т. д. Вы можете рассчитывать и на улучшение материального положения. Не исключено, что внезапно поступит крупная сумма (выигрыш) или финансовая помощь покровителя.

Перевернутый аркан указывает на застой в делах и финансах.  Вам приходится заниматься монотонной, однообразной, тяжелой работой, которая не приносит удовлетворения. При обратном расположении карты нет позитивных перспектив в карьере и надежд улучшить ситуацию, например, получить вышестоящую должность. При таком раскладе нужно опасаться денежных потерь, например, обмана, мошенничества. Велика вероятность, что в ближайшее время у вас не будет надежного, постоянного источника доходов.

Значение 17 аркана Таро на здоровье

Основное значение Звезды при раскладе на здоровье – перерождение, молодость, красота. Это значит, что настало время привести организм в порядок, пересмотреть свои взгляды на образ жизни, попробовать новые процедуры для омоложения. В целом карта является позитивным знаком, говорит о скором исцелении или возможности зачатия, но также может быть и сигналом о риске аллергии (кожа, органы дыхания) или мелких бытовых травм.

Перевернутый 17 аркан предупреждает об осложнениях. Не исключено, что недомогание затянется, текущая болезнь скажется на состоянии иммунитета, сердца, легких. А также карта может указывать, что выбрано неподходящее или неэффективное лечение. Важно соблюдать режим, чтобы заболевание не перешло в хроническую стадию.

Духовность и саморазвитие

Звезда символизирует вдохновение, творческий подход к делам, надежду, поэтому путь личностного роста будет легким и плодотворным. С другой стороны, она говорит об иллюзиях, слепой или детской вере, фанатичности и даже стремлении выбрать духовность и отказаться от материальных благ.

Перевернутая карта имеет обратное значение – опустошение, отчаяние, уныние, разочарование в жизни или религии, отсутствие целей и желаний. Чаще всего причиной такого состояния становятся собственные завышенные требования или неготовность бороться со своими недостатками.

Карта Таро “Звезда” в сочетании со старшими арканами

При расшифровке расклада важно учитывать сочетание карт Таро друг с другом. В таблице указано, что означают комбинации старших арканов.

Сочетание 17 аркана Таро “Звезда” с другими картами

В таблице мы привели расшифровку аркана Звезда в сочетании с другими картами Таро.

Значение карты Таро “Звезда” в раскладе на ситуацию

При раскладе на текущую ситуацию Звезда имеет следующее значение: в вашем деле предвидится улучшение, планы будут реализованы, можно рассчитывать на удачу и успех. Не бойтесь доверять своей интуиции, внутренний голос вас не подведет.

Перевернутая карта менее оптимистична – из-за своих страхов, неуверенности и лени вы рискуете упустить возможности, поэтому надежды окажутся напрасными.

Значение 17 аркана Таро в прогнозе на день

Звезда – это благоприятная карта дня. Вас ждет знакомство с необычным, интересным человеком, общение с которым перерастет в романтические отношения или крепкую дружбу.

Высока вероятность, что вам сделают заманчивое предложение. Не отказывайтесь от него, даже если план покажется вам нереальным, поскольку вы сможете получить не только удовольствие, но и выгоду. Пользуйтесь всеми возможностями, которые дает этот день.

Значение 17 аркана Таро в раскладе на будущее

Карта показывает, что на свое будущее влияете только вы. Даже если на текущий момент в жизни есть трудности, события в ближайший период будут складываться благоприятно, вы можете рассчитывать на счастливый случай и удачное стечение обстоятельств.

Поставьте изображение Звезды Таро на заставку телефона, чтобы сомнения или недоверие не стали препятствиями на вашем пути к успеху.

Ответ на вопрос

Если вы находитесь в затруднительном положении, то карты Таро помогут прояснить ситуацию. Приведем несколько примеров, как с помощью аркана Звезда получить ответы на свои вопросы:

1. Сбудется ли мое желание? – В вашей жизни наступил благоприятный период, реализуются даже самые смелые планы.
2. Вернется ли бывший? – Карта символизирует этап примирений, вероятность восстановить отношения высока.
3. Чего ждать от поклонника? – Не бойтесь своих чувств, вам предстоит приятное, романтичное общение.
4. Выйду ли я замуж? – Если у вас уже есть постоянный партнер, то ваш союз скоро перейдет к новой стадии, то есть семье.
5. Стоит ли начинать свое дело? – Если оно связано с реализацией вашего творческого потенциала, то у вас будет успех.
6. Почему мне не везет? – На данный момент вы не можете мудро распорядиться своими ресурсами или возможностями.
7. Любой вопрос с ответом “да” или “нет” – Аркан отвечает утвердительно.

Главный совет

Совет карты заключается в том, что нужно искренне мечтать и надеяться на лучшее. Только вы можете привести себя к цели или создать преграды.

В текущей ситуации требуется решительность и уверенность, а осторожность, рациональность и долгие раздумья лишь отдаляют от вас результат.

Звезда Таро: значение и сочетание гадальной карты

Опубликовано:

20 июня 2022, 19:08

Звезда Таро: значение и сочетание гадальной карты: Unsplash/Viva Luna Studios

Глядя на семнадцатый старший аркан, подсознательно понимаешь, что он обещает надежду на счастье. Что на самом деле значит Звезда Таро и что предвещает в сочетании с другими картами? Тайны аркана Звезда раскрыли Хелен С. Фарли и Мэри Грир.

Из этого материала вы узнате:

1. Общее значение карты Звезда
2. Значение Звезды в раскладах на любовь и отношения
3. Значение в раскладах на ситуацию и вопрос
4. Значение карты дня
5. Значение в сочетании с другими картами

Общее значение карты Звезда

Что означает Звезда в картах Таро? Стоящая на фоне зелени обнаженная девушка, которая при свете звезд льет воду из двух кувшинов на землю и в пруд, олицетворяет надежду, веру и вмешательство в ситуацию высших сил, новый путь к успеху. Карта символизирует оптимизм, счастливое будущее и позитивные изменения. Тот, кому она выпала, полон сил и энтузиазма, строит планы и верит в их реализацию.

Хелен С. Фарли связывает символ звезды, который принят в египетской культуре, со звездами на 17 аркане. Это защита от скрытых миров, признание бесконечности и бессмертия духа. Основные посылы, которые несет 17 старший аркан, звучат так:

• Рассвет после ночи страха, беспомощности и растерянности.
• Появление новых идей, их успешное воплощение в жизнь.
• Признание в обществе, самореализация.
• Уверенность в своих силах и правоте.
• Появление новой любви или улучшение существующих отношений.
• Необходимо подождать, нельзя терять надежду.
• Гармония с собой и окружающим миром.

Человек, описанный картой Звезда, — это лидер мнений, мужественный предводитель и авторитет, который успешен в жизни и признан обществом. Что означает перевернутая Звезда в Таро? Аркан символизирует утраченные шансы и возможности, неверие в свои силы, пессимизм, обреченность и разрушенные мечты. Она говорит о разрушенной связи, материальных потерях и проблемах со здоровьем.

Звезда символизирует рассвет после ночи страха: Unsplash/Marc-Olivier Jodoin

Значение Звезды в раскладах на любовь и отношения

Что значит карта Таро Звезда в любви? Это самый благоприятный прогноз на отношения. Паре предстоит период безмятежного счастья и гармонии. Тем, кто был одинок, карта сулит идеальные отношения, крепкие и длительные. Звезда предсказывает исполнение заветного желания, предложение руки и сердца, рождение ребенка, счастливую жизнь.

Вот еще несколько важных пророчеств аркана Звезда:

• Идеальный союз с длительными перспективами.
• Переход отношений на новый уровень.
• Бизнес или социальный проект, союз творческих людей.
• Искренность, дружелюбие, влюбленность.
• Исцеляющие отношения, сексуальная совместимостью, доверие и уважение.

По карте Звезда в жизнь человека придет идеальный партнер, о котором он всю жизнь мечтал и грезил.

В «Путеводителе по Таро» перевернутая Звезда указывает на потерю веры в отношения и сосредоточенность на негативе. Партнеры упускают из виду положительные аспекты своей связи. В перевернутом положении карта означает разочарование, крушение брака. У такой связи нет надежды на восстановление, партнеры осознали, что между ними мало общего, зато много лжи, лицемерия и меркантильности. У влюбленных рухнули совместные планы, они не счастливы, и оба желают разрыва.

Значение в раскладах на ситуацию и вопрос

Что означает Звезда в раскладах на ситуацию и вопрос? Она дает надежду на лучшее. Больной получит исцеление, одинокий обретет пару, а нищий — достаток и комфорт. Аркан предвещает улучшение в кризисной ситуации, успех в бизнесе и творчестве. Все надежды и мечты исполнятся, нужно лишь немного подождать.

Карта Звезда описывает следующие сценарии:

• Желания исполнятся, мечты станут реальностью.
• Последует укрепление здоровья, выздоровление.
• Операция будет успешной.
• Начинается новый виток в творчестве и прорыв в бизнесе.
• Конфликты и споры будут решены, наступит примирение.

Мэри Грир связывает карты Таро с определенным архетипом. Карта Звезда — это скрытое Солнце, человек с потенциалом лидера и победителя, его успех уже маячит на горизонте.

В перевернутом положении Звезда имеет противоположное значение. Она предвещает крушение всех надежд и потерянные возможности. Все, что планировалось, останется нереализованным. Причиной такого исхода станет лень, неуверенность в себе, недальновидность. Результатом проигрыша будет разочарование и депрессия.

Карта Звезда предвещает исполнение заветных желаний: Unsplash/Fineas Gavre

Значение карты дня

Даже одна карта определяет многое, в том числе события предстоящего дня, его суть и итог. О чем говорит карта дня Звезда? Аркан говорит, что вера в мечты и собственные силы предоставит кверенту безграничные возможности и счастливые шансы для достижения поставленных целей. Карта советует ценить возможности, которые предоставляет судьба, не бояться делать даже то, что другим покажется полным безумием.

Увидев семнадцатый аркан в раскладе на день, необходимо приготовиться к следующему:

• День станет судьбоносным, действуйте без промедления.
• Удача и высшие силы на вашей стороне.
• Энергии и энтузиазма хватит на активные действия.
• Самый смелый и невероятный план действий будет реализован.

Любые препятствия на пути будут устранены. Вселенная и высшие силы помогут кверенту, посылая надежных помощников и покровителей. Ожидайте подарков судьбы, идите навстречу путеводной Звезде.

В перевернутом виде аркан Звезда означает, что ближайшие двадцать четыре часа будут неудачными. Все намеченные планы придется корректировать на ходу, отказываясь от сложных целей. Это не самый удачный день, так что лучше провести его не активно, а в размышлениях, медитациях и отдыхе.

Значение в сочетании с другими картами

Что значит карта Таро Звезда в сочетании с другими картами? В сочетании со старшими арканами Звезда означает осуществление всех намеченных планов и целей при поддержке высших сил. С придворными картами Звезда указывает на людей, которые примут активное участие в жизни кверента, а с цифровыми помогает понять сроки исполнения желаний и обстоятельства счастливых событий.

Вот подробные толкования сочетаний со старшими арканами:

• Шут — надежда и вера.
• Маг — удача плывет в руки, наступил период удачи.
• Жрица — уверенность в будущем.
• Императрица — долгожданный результат.
• Император — хотеть большего.
• Влюбленные — крепкий и счастливый союз.
• Жрец — новый опыт.
• Колесница — исполнение мечты, переезд.

Звезда с Колесницей означают переезд: Unsplash/Maria Ziegler

• Отшельник — изучение чего-либо, получение знаний.
• Справедливость — достижение цели.
• Колесо фортуны — радостное событие, обогащение.
• Сила — загадать желание, которое точно исполнится.
• Повешенный — планы, которые вряд ли реализуются.
• Смерть — начало жизни с чистого листа.
• Умеренность — улучшение ситуации.
• Дьявол — крушение всех планов.
• Башня — уход в иллюзии, шанс на счастливые перемены.
• Луна — неудовлетворенность жизнью, неуверенность в себе.
• Солнце — долгожданное осуществление мечты.
• Суд — вера и надежда на лучшее.
• Мир — скрытые способности и таланты.

Светлая, воздушная, благоприятная карта почти всегда имеет позитивное толкование и только в нескольких случаях приобретает негативный аспект.

Звезда в Таро — это карта надежды и исполнения желаний. Расклад с ее участием становится судьбоносным и дарит надежду на достижение поставленных целей и решение самых сложных задач.

Оригинал статьи: https://www.nur.kz/esoterics/signs/1974755-zvezda-taro-znachenie-i-sochetanie-gadalnoy-karty/

Линейная модель

— Почему лассо для выбора признаков?

спросил
4 года, 7 месяцев назад

Изменено
4 года, 7 месяцев назад

Просмотрено
33 тысячи раз

$\begingroup$

Предположим, у меня есть многомерный набор данных и я хочу выполнить выбор объектов. Один из способов — обучить модель, способную идентифицировать самых важных функций в этом наборе данных и используйте это, чтобы отбросить наименее важные.

На практике я бы использовал для этого преобразователь SelectFromModel sklearn. Согласно документации подойдет любой оценщик с атрибутом feature_importances_ или coef_ .

Помимо Lasso, многие другие линейные модели имеют этот атрибут (LinearRegression, Ridge и ElasticNet и другие) и могут использоваться для определения наиболее важных 9Особенности 0014.

Что делает модель Lasso наиболее популярной для определения наиболее важных функций в наборе данных?

• выбор признаков
• линейная модель
• лассо
• гребневая регрессия

$\endgroup$

$\begingroup$

Во-первых, будьте осторожны при определении того, что вы подразумеваете под « наиболее важными функциями» в наборе данных. См. эту страницу для различных взглядов на этот вопрос. Например, функции, которые считаются «неважными» по отдельности, могут понадобиться для улучшения прогнозов на основе других функций, поэтому вы можете не захотеть их выбрасывать.

Что хорошо делает LASSO, так это предоставляет принципиальный способ уменьшить количество признаков в модели. Напротив, автоматический выбор признаков на основе стандартной линейной регрессии путем пошагового выбора или выбора признаков с наименьшими значениями p имеет много недостатков. Здесь подробно описаны преимущества LASSO по сравнению с другими подходами, основанными на регрессии. LASSO включает штрафной коэффициент, который определяет, сколько функций сохраняется; использование перекрестной проверки для выбора штрафного коэффициента помогает гарантировать, что модель будет хорошо обобщаться для будущих выборок данных.

Регрессия хребта вообще не пытается выбирать объекты, вместо этого используется штраф, применяемый к сумме квадратов всех коэффициентов регрессии. Опять же, выбор штрафа перекрестной проверкой помогает обеспечить обобщение. Эластическую сетку можно рассматривать как гибрид ЛАССО с гребнем. См. эту страницу для получения подробной информации о различиях между этими оштрафованными методами. Если ваш основной интерес связан с прогнозированием и сбор информации обо всех функциях не слишком дорог, вам может вообще не понадобиться выполнять выбор функций, а вместо этого использовать гребневую регрессию, чтобы сохранить информацию обо всех предикторах в модели.

Если вам нужно сократить количество предикторов по практическим причинам, LASSO — хороший выбор. Но все, что он делает, — это дает вам полезный набор избранных предикторов, не обязательно наиболее важных в каком-то общем смысле. Когда функции коррелированы, LASSO выберет один или другой на основе его производительности в конкретной выборке данных. С другим образцом он вполне может выбрать другой признак из набора коррелирующих признаков. Обычно это не влияет на прогностическую эффективность модели LASSO, но заставляет задуматься о том, что имеется в виду под « наиболее важные функции . » См. эту страницу для обсуждения такой нестабильности в моделировании LASSO.

$\endgroup$

0

Зарегистрируйтесь или войдите в систему

Зарегистрируйтесь с помощью Google

Зарегистрироваться через Facebook

Зарегистрируйтесь, используя адрес электронной почты и пароль

Опубликовать как гость

Электронная почта

Требуется, но никогда не отображается

Опубликовать как гость

Электронная почта

Требуется, но не отображается

Нажимая «Опубликовать свой ответ», вы соглашаетесь с нашими условиями обслуживания, политикой конфиденциальности и политикой использования файлов cookie

Использование регрессии LASSO для обнаружения прогнозирующих совокупных эффектов в генетических исследованиях | BMC Proceedings

Том 5, Приложение 9

• Proceedings
• Открытый доступ
• Опубликовано: 29 ноября 2011 г.

• Джоэл Б. Фонтанароса ¹ и
• Ян Дай ¹  

Материалы BMC
том 5 , Номер статьи: S69 (2011)
Процитировать эту статью

• 3218 доступов

• Сведения о показателях

Abstract

Мы используем регрессию с оператором наименьшего абсолютного сжатия и отбора (LASSO) для выбора генетических маркеров и фенотипических признаков, которые являются наиболее информативными в отношении интересующего признака. Мы сравниваем несколько стратегий применения методов LASSO в моделях прогнозирования риска, используя данные моделирования экзома Genetic Analysis Workshop 17, состоящие из 697 человек с информацией о генотипических и фенотипических особенностях (курение, возраст, пол) в 5-кратной перекрестной проверке. Перекрестно проверенные средние значения площади под рабочей кривой приемника колеблются от 0,45 до 0,63 для различных стратегий с использованием только генотипических маркеров. Те же значения улучшены до 0,69.–0,87 при использовании как генотипической, так и фенотипической информации. Способность метода LASSO находить истинные причинные маркеры ограничена, но этот метод смог обнаружить несколько распространенных вариантов (например, FLT1 ) при определенных условиях.

Исходная информация

Последние достижения позволили исследователям детально изучить генетические ассоциации с семейными заболеваниями. Полногеномные ассоциативные исследования (GWAS) распространенных вариантов выявили многочисленные генетические локусы, которые значительно модулируют фенотипы для широкого спектра важных клинических фенотипов, начиная от ожидаемого риска некоторых злокачественных новообразований [1, 2] и заканчивая обычно измеряемыми клиническими признаками, такими как уровень липидов [3]. Тем не менее, становится все более очевидным, что общие варианты, обнаруженные в GWAS, дают неполную картину лежащего в основе генетического риска для многих изученных семейных заболеваний [4-6]. Благодаря возросшей доступности технологий секвенирования и крупномасштабным усилиям, таким как проект «1000 геномов», сканирование экзома становится все более популярным в генетике сложных заболеваний. Эти исследования представляют собой несколько новых задач в генетическом анализе.

Хотя в GWAS использовались различные методы машинного обучения [7], методы штрафной регрессии являются одними из наиболее гибких и, таким образом, хорошо подходят для анализа наборов данных, таких как сканирование экзома, которые могут содержать как распространенные, так и редкие эффекты. Было показано, что многочисленные методы штрафной регрессии эффективны как для распространенных, так и для редких вариантов [4, 8–10]. Чжоу и др. [4] предложили комбинацию групповых штрафов и штрафов оператора наименьшей абсолютной усадки и отбора (LASSO) для поиска как редких, так и распространенных вариантов с использованием наборов маркеров, сгруппированных по пути и гену. Однако их метод был оценен с использованием данных семейного регистра рака молочной железы, и его эффективность неясна для более масштабных данных GWAS.

Для повышения точности в некоторых исследованиях было введено произвольное пороговое значение 90 129 p 90 112, чтобы ограничить количество генетических вариантов в модели LASSO [9], тогда как другие применяли модель ко всем вариантам, используя штраф LASSO и групповой штраф. для гена или пути [4]. В этом исследовании мы предлагаем подход с использованием модели LASSO, которая сначала выбирает наборы генетических вариантов для каждого пути и гена, а затем создает оптимизированную модель LASSO на основе выбранных наборов маркеров. Воспользовавшись информацией, предоставленной в наборе экзомных данных Genetic Analysis Workshop 17 (GAW17), мы можем построить две модели LASSO для каждого пути или гена на основе регрессии либо по статусу заболевания, либо по количественному признаку. Этот подход требует больше времени, чем оптимизация модели LASSO для полного набора вариантов. Однако наша стратегия позволяет нам строить индивидуальные оптимальные модели для каждого набора вариантов, связанных с путем и геном, что позволяет более гибко и точно определять модель. В оставшейся части этой статьи мы исследуем эффективность этого нового подхода с использованием набора данных экзома GAW17.

Методы

Регрессия LASSO

В этом исследовании мы сравниваем несколько моделей LASSO, которые включают информацию о генах, путях и фенотипе. Для вектора ответа Y = ( y ₁ , … , y _n
), содержащие метки случай-контроль, закодированные как 0 или 1 для набора из n субъектов, матрица генотипов G = ( X ₁ ,…, X _н
), где каждый вектор X _i состоит из m однонуклеотидных полиморфизмов (SNP), закодированных как 0, 1 или 2, и вектор коэффициентов β , стандартная модель логистической регрессии:

( 1)

можно установить с помощью Y и G . Однако эта модель плохо подходит для крупных генетических исследований с гораздо большим количеством переменных, чем выборки, и часто приводит к неточностям в результате нестабильности модели, колинеарности и переобучения. Несколько методов штрафной регрессии стали популярными при анализе крупномасштабных наборов генетических данных [7, 9].] за улучшенный выбор переменных. В этом исследовании мы используем метод штрафа L ₁ LASSO, который выбирает β на основе максимизации:

(2)

, где 2, х ) — логистическое логарифмическое правдоподобие, а λ — параметр усадки. Модель регрессии со штрафом LASSO также может быть определена для линейной регрессии для непрерывного вектора отклика [11]. В этом исследовании мы оцениваем несколько различных стратегий применения регрессии LASSO, которая включает в модель информацию о генах, путях и фенотипе.

Описание данных

Набор данных GAW17 содержит 697 неродственных индивидуумов из проекта «1000 геномов», генотипированных по 24 487 аутосомным SNP из 3 205 генов [12]. Представлены двести шесть путей из Киотской энциклопедии генов и геномов (KEGG) [13], охватывающих 7929 различных SNP и 1100 различных генов. Мы ограничиваем наш анализ 13 572 несинонимичными вариантами в исследовании. Каждый из 200 смоделированных наборов данных включает следующую информацию для каждого человека: статус случай-контроль, три непрерывных количественных признака (Q1, Q2, Q4) и три фенотипических признака (возраст, статус курения и пол). Мы используем многомерный скейлинговый анализ, основанный на попарных расстояниях идентичности по штатам по всему геному, рассчитанных в PLINK [14], для определения трех основных слоев континентального населения: африканского (лухья, лухья-дополнительный, йоруба-1, йоруба-2, йоруба- дополнительный), азиатский (денверский китайский, денверский китайский-дополнительный, ханьский китайский-1, ханьский китайский-2, ханьский китайский-дополнительный, японский-1, японский-2, японский-дополнительный) и европейский (CEPH-1, CEPH- 2, тосканский и тосканский-дополнительный) [15, 16]. Затем мы генерируем три бинарных признака для включения в нашу модель, относя пациентов к соответствующим азиатским, европейским и африканским популяциям. Из нашего анализа были удалены два основных выброса генеральной совокупности.

Анализ

Мы используем программный пакет R glmnet в нашем анализе регрессии LASSO [11] и оцениваем наши модели, используя 5-кратную процедуру перекрестной проверки для каждого набора данных моделирования. В частности, мы разделили наборы данных на пять независимых групп примерно одинакового размера, чтобы соотношение случай-контроль в каждой популяции сохранялось в каждой группе. Модели обучаются с использованием четырех наборов данных, а затем тестируются с использованием оставшегося набора. Эта процедура повторяется для каждой из пяти тренировочных и тестовых комбинаций сгибов. Для определения оптимального значения λ * для каждого обучающего набора мы применяем внутренний цикл 10-кратной перекрестной проверки. Затем λ * используется на всей обучающей выборке для построения окончательной модели для оценки проверочной складки. Наконец, усредненные показатели оценки по пяти сгибам тестирования сообщаются как точность тестирования. В нашем анализе мерами оценки являются площадь под рабочей кривой приемника ( A _ROC ) для логистических моделей и среднеквадратическая ошибка для моделей непрерывной линейной регрессии.

Мы рассматриваем три основные модели: (1) логистическая регрессия LASSO со всеми включенными генетическими вариантами; (2) логистическая регрессия LASSO для каждого из (а) 3205 генов или (б) 206 путей, за которой следует регрессия LASSO с использованием объединенного набора выбранных вариантов из всех генов или путей; и (3) три отдельные модели линейной регрессии LASSO для каждого из непрерывных количественных признаков Q1, Q2 и Q4 для каждого пути, за которыми следует логистическая регрессия LASSO для всего набора выбранных вариантов по всем путям.

Для каждой из этих стратегий мы рассматриваем модель, основанную только на генотипах, комбинированную модель, включающую информацию о фенотипе (возраст, курение и пол), и ограниченную модель, ограниченную фиксированным числом переменных. В этом исследовании ограниченные модели ограничены максимум 50 переменными.

Модель 1 похожа на большинство других приложений регрессионной модели LASSO, в которых используется один параметр регуляризации. Эта модель удобна и эффективна в вычислительном отношении, но ее способность обнаруживать локальные эффекты внутри биологически значимых подмножеств генов, представляющих интерес для изучения экзома, может быть ограничена. Модели 2 и 3 сначала определяют оптимизированные модели для каждого гена или пути, а затем проводят регрессию LASSO по комбинированному набору вариантов, выбранных для каждого гена или пути.

Результаты

Производительность моделей

Результаты для всех моделей показаны в таблице 1. Каждый из 200 смоделированных наборов данных был проанализирован отдельно. Поскольку модель 2 имела значительно большее время работы, она оценивалась только для 50 (модель 2а) и 150 (модель 2б) случайно выбранных наборов данных. Чтобы определить базовую производительность для наших моделей, мы отобрали несколько наборов данных моделирования, используя 180 случайных вариантов (что соответствует среднему размеру результата модели 1 только для базовых генотипов). Ожидаемый средний A _ROC для случайно выбранного набора вариантов составил 0,49. Точно так же мы использовали glmnet для вычисления оптимальных моделей из набора из 160 маркеров причинно-следственной симуляции и определили, что среднее значение A _ROC этого оптимального набора генотипов составляет 0,59. Это значение представляет собой среднюю прогностическую точность оптимизированного подмножества генетических вариантов, ответственных за присвоение статуса заболевания в моделировании, и считается целевым значением наших моделей, которые используют только данные о генотипе. Как видно из таблицы 1, чисто генетические модели имеют A _{Значения ROC} близки к 0,55 для всех рассматриваемых моделей. Комбинированные модели с фенотипическими признаками имели значение ROC A _ROC , равное 0,82, универсально более высокое среднее значение теста A _ROC независимо от любой комбинации генотипов. Из-за высоких величин предельных эффектов фенотипических переменных (возраст, пол и статус курения) эти эффекты часто превосходили размеры эффектов генетических маркеров, включенных в модели LASSO. Неограниченные модели LASSO часто приводили к решениям с большим количеством переменных, что ограничивало практическую полезность этих моделей. Тестирование A _ROC Значения моделей с ограничениями часто были такими же или лучше, чем у моделей без ограничений, что указывает на лучшую способность к обобщению для моделей с ограничениями. Однако прогностическая эффективность генетического компонента не достигла наилучшего возможного уровня, и модели включали большее количество некаузальных вариантов. Использование информации о генах и путях не привело к значимым улучшениям регрессионных моделей в отношении прогностической способности.

Таблица 1 Результаты прогнозирования для различных типов моделей

Полноразмерная таблица

Переменные, выбранные моделями

набор данных моделирования для моделей 1 и 3. Эти результаты показывают, что обнаруженные истинные варианты были преимущественно распространенными вариантами, но наша модель также может иметь некоторую способность идентифицировать настоящие редкие варианты. Регрессионные подходы, основанные на генах и путях, по-видимому, не давали существенных различий A _ROC значений или найти случайные варианты, отличные от найденных с помощью более простого подхода LASSO. Однако, как показано в таблице 2, доля встречающихся случайных вариантов была выше в модели 3, что указывает на более надежную модель.

Таблица 2 Выбор признаков

Полноразмерная таблица

Обсуждение

В этой статье мы оценили полезность нескольких различных стратегий для анализа данных моделирования экзома с диапазоном частот причинных аллелей при наличии количественной и фенотипической информации. Сравнение трех предложенных подходов показывает, что простая регрессионная модель LASSO может быть эффективным средством для определения действительно связанных вариантов, но ее необходимо изменить, чтобы уменьшить количество переменных, чтобы избежать неоправданно больших моделей и переобучения. Как обсуждалось в других исследованиях этих данных на GAW17, первичные генетические эффекты, которые, как ожидается, будут наблюдаться в этом исследовании, были связаны с обычными вариантами, такими как C13S523 и C13S522 в FLT1 . Как показано в Таблице 2, отдельные генетические варианты были последовательно идентифицированы в четырех из пяти обучающих моделей только в меньшинстве анализов моделирования. Например, FLT1 C13S523 встречается не более чем в 81 из 200 симуляций в комбинированном анализе для модели 3. В нашем анализе ожидалась некоторая потеря мощности, поскольку мы разработали наши модели, используя 80% набора данных симуляции для получения независимая оценка прогностической способности наших методов. Однако если мы рассмотрим ту же модель, рассчитанную на всех 200 повторностях с использованием всей выборки пациентов (без обучающей выборки), то FLT1 C13S523 включен в 132 из 200 наборов данных. В более крупных исследованиях или в исследованиях, в которых уже существует независимая выборка для проверки прогностической модели, это снижение мощности не повлияет на наш метод так сильно, и наша модель может лучше различать генетические предикторы.

Некоторые варианты, например PIK3C3 , гораздо чаще появлялись в моделях, сочетающих генотипические и фенотипические эффекты, чем в моделях, учитывающих только генотипы. Для дальнейшего изучения этого вывода мы построили модели логистической регрессии для Y и PIK3C3 с поправкой либо только на популяционные переменные, либо на популяционные и фенотипические переменные. PIK3C3 был значимым ( α = 0,01) в 22 из 200 наборов данных для модели, скорректированной только по популяции, и в 105 из 200 наборов данных для модели, скорректированной как по популяции, так и по фенотипическим переменным, что дает объяснение этому наблюдение. Наш анализ также указывает на значительную взаимосвязь в модели линейной регрессии для Q1 и 9.0129 PIK3C3 с поправкой только на популяцию (184 из 200 наборов данных) и с поправкой как на популяцию, так и на фенотипические переменные (197 из 200 наборов данных) при α = 0,01. Это также может объяснить более частое появление PIK3C3 в модели 3, чем в модели 1 для комбинированных моделей.

Наш метод смог надежно установить некоторые истинные варианты, используя подмножества данных для обучения. Кроме того, знаки коэффициентов регрессии для часто выбираемых вариантов были в высокой степени согласованными (около 99%) по различным наборам данных моделирования. Однако способность нашей модели находить истинные варианты также сопровождалась большим количеством некаузальных вариантов. Поскольку в наборе данных GAW17 существует несколько долгосрочных корреляций, часть вариантов, классифицированных как непричинные в нашем исследовании, может быть действительно связана с болезненным состоянием или фенотипическими признаками. Прогностическая способность модели LASSO, использующей только генетическую информацию, ограничена, поскольку ни одно из исследованных геномных подмножеств не обладает прогностической способностью, сравнимой с прогностической способностью фенотипических переменных. Тем не менее, включение этих фенотипических переменных в нашу модель увеличивает долю причинно-следственных генетических вариантов, обнаруженных с помощью нашего метода.

Заключение

Несмотря на то, что наш метод способен обнаруживать некоторые причинно-следственные редкие варианты, результаты не указывают на то, что это многообещающий подход для общего анализа данных секвенирования экзома, включающих причинно-редкие варианты. Идентификация оптимальных наборов генетических вариантов для каждого гена и пути в наборе данных может потребовать значительно большего времени вычислений, чем стандартная модель LASSO, и ожидается, что она будет генерировать надежные прогностические модели только при наличии нескольких достаточно мощных общих причинных вариантов, позволяющих отличить больных от контрольных. предметы.

Ссылки

1. Meyer KB, Maia AT, O’Reilly M, Teschendorff AE, Chin SF, Caldas C, Ponder BA: аллель-специфическая повышающая регуляция FGFR2 повышает восприимчивость к раку молочной железы. PLoS биол. 2008, 6: e108-10.1371/journal.pbio.0060108.

   Артикул
   ПабМед Центральный
   пабмед

   Google Scholar

2. Чанг Б.Л., Крамер С.Д., Виклунд Ф., Исаакс С.Д., Стивенс В.Л., Сан Дж., Смит С., Пруэтт К., Ромеро Л.М., Уайли К.Е. 10q11 как причинный вариант риска рака предстательной железы. Хум Мол Жене. 2009 г., 18: 1368-1375. 10.1093/hmg/ddp035.

   Артикул
   ПабМед Центральный
   КАС
   пабмед

   Google Scholar

3. Теслович Т.М., Мусунуру К., Смит А.В., Эдмондсон А.С., Стилианоу И.М., Косеки М., Пирруччелло Дж.П., Рипатти С., Часман Д.И., Виллер С.Дж. и др.: Биологическое, клиническое и популяционное значение 95 локусов для липидов крови . Природа. 2010, 466: 707-713. 10.1038/природа09270.

   Артикул
   ПабМед Центральный
   КАС
   пабмед

   Google Scholar

4. Zhou H, Sehl ME, Sinsheimer JS, Lange K: Ассоциативный скрининг распространенных и редких генетических вариантов с помощью штрафной регрессии. Биоинформатика. 2010, 26: 2375-2382. 10.1093/биоинформатика/btq448.

   Артикул
   ПабМед Центральный
   КАС
   пабмед

   Google Scholar

5. «>

   Махер Б.: Персональные геномы: случай отсутствия наследственности. Природа. 2008, 456: 18-21.

   Артикул
   КАС
   пабмед

   Google Scholar

6. Cirulli ET, Goldstein DB: Раскрытие роли редких вариантов в распространенных заболеваниях посредством полногеномного секвенирования. Нат Рев Жене. 2010, 11: 415-425. 10.1038/nrg2779.

   Артикул
   КАС
   пабмед

   Google Scholar

7. Dasgupta A, Sun YV, König IR, Bailey-Wilson JE, Malley JD: Краткий обзор методов машинного обучения в генетической эпидемиологии: опыт GAW17. Генетический эпидемиол. 2011, X (доп. X): XX.

   Google Scholar

8. Guo W, Lin S: Обобщенное линейное моделирование с регуляризацией для выявления ассоциации редких гаплотипов распространенных заболеваний. Генетический эпидемиол. 2009, 33: 308-316. 10.1002/гепи.20382.

   Артикул
   ПабМед Центральный
   пабмед

   Google Scholar

9. Kooperberg C, LeBlanc M, Obenchain V: Прогнозирование риска с использованием полногеномных ассоциативных исследований. Генетический эпидемиол. 2010, 34: 643-652. 10.1002/гепи.20509.

   Артикул
   ПабМед Центральный
   пабмед

   Google Scholar

10. Шимчак С., Бирнака Дж.М., Корделл Х.Дж., Гонсалес-Ресио О., Кониг И.Р., Чжан Х., Сунь Ю.В.: Машинное обучение в исследованиях ассоциаций всего генома. Генетический эпидемиол. 2009, 33 (прил. 1): S51-S57.

    Артикул
    пабмед

    Google Scholar

11. Фридман Дж., Хасти Т., Тибширани Р. Пути регуляризации для обобщенных линейных моделей посредством спуска по координатам. Программное обеспечение J Stat. 2010, 33: 1-22.

    Артикул
    ПабМед Центральный
    пабмед

    Google Scholar

12. «>

    Алмаси Л.А., Дайер Т.Д., Перальта Дж.М., Кент Дж.В., Чарлсворт Дж.К., Карран Дж.Е., Блангеро Дж.: Симуляция мини-экзома семинара по генетическому анализу 17. BMC Proc. 2011, 5 (прил. 8): С2-

    Статья
    ПабМед Центральный
    пабмед

    Google Scholar

13. Канехиса М., Гото С., Фурумичи М., Танабэ М., Хиракава М.: KEGG для представления и анализа молекулярных сетей, связанных с болезнями и лекарствами. Нуклеиновые Кислоты Res. 2010, 38: Д355-Д360. 10.1093/нар/гкп896.

    Артикул
    ПабМед Центральный
    КАС
    пабмед

    Google Scholar

14. Purcell S, Neale B, Todd-Brown K, Thomas L, Ferreira MA, Bender D, Maller J, Sklar P, de Bakker PI, Daly MJ и др.: PLINK: набор инструментов для полногеномной ассоциации анализ связей населения. Am J Hum Genet. 2007, 81: 559-575. 10.1086/519795.

    Артикул
    ПабМед Центральный
    КАС
    пабмед

    Google Scholar

15. «>

    Brennan JS, He Y, Calixte R, Nyirabahizi E, Jiang Y, Zhang H: основанный на LASSO подход к анализу редких вариантов в исследованиях генетической ассоциации. BMC Proc. 2011, 5 (прил. 9): С100-10.1186/1753-6561-5-С9-С100.

    Артикул
    ПабМед Центральный
    пабмед

    Google Scholar

16. Jung J, Dantzer J, Liu Y: Идентификация нескольких редких вариантов, связанных с заболеванием. BMC Proc. 2011, 5 (прил. 9): S103-10.1186/1753-6561-5-S9-S103.

    Артикул
    ПабМед Центральный
    пабмед

    Google Scholar

Ссылки на скачивание

Благодарности

Семинар по генетическому анализу проводится при поддержке гранта R01 GM031575 Национального института здравоохранения.

Эта статья была опубликована как часть BMC Proceedings Volume 5 Supplement 9, 2011: Genetic Analysis Workshop 17. Полное содержание дополнения доступно в Интернете по адресу http://www. biomedcentral.com/1753-6561/ 5?выпуск=S9.

Информация об авторе

Авторы и организации

1. Программа биоинформатики, факультет биоинженерии (MC 063), Иллинойский университет в Чикаго, 851 S. Morgan Street, 218 SEO, Чикаго, Иллинойс, 60607-7052, США 9 0005

   Joel B Fontanarosa & Yang Dai

Авторы

1. Joel B Fontanarosa

   Посмотреть публикации автора

   Вы также можете искать этого автора в
   PubMed Google Академия

2. Ян Дай

   Просмотр публикаций автора

   Вы также можете искать этого автора в
   PubMed Google Scholar

Автор, ответственный за корреспонденцию

Джоэл Б. Фонтанароса.

Дополнительная информация

Конкурирующие интересы

Авторы заявляют об отсутствии конкурирующих интересов.

Вклад авторов

JF и YD совместно разработали дизайн исследования.