抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
高次元生物学的データの広範なアベイラビリティは,多くの生物学的特性の同時スクリーニングを,計算生物学と科学における中心的問題としている。そのようなデータセットの次元は成長を続ける一方で,ベースライン交絡因子を測定する健康研究における曝露パターンからのバイオマーカー同定の複雑性をもたらす。さらに,モデル誤指定を回避する一方で,部分的に取り組まれる問題である。データ生成分布の関連成分を推定する際に柔軟でデータ適応回帰技術を組み入れることができる効率的な推定器は,モデル誤指定を回避するための道筋を提供する。しかし,多数のパラメータの同時推定を必要とする高次元問題の文脈において,標準分散推定器は不安定であり,標準多重試験補正の下でも信頼性のないタイプI誤差制御をもたらす。母集団介入因果効果の一連の効率的で漸近的線形推定子のファミリーの分散推定器に経験的Bayes収縮を適用するための一般的アプローチを示した。収縮ベース分散推定子の一般化は,高次元設定における推論安定性を増加させ,中程度のサンプルサイズを有する高次元生物学的データセットにおけるノンパラメトリック変数重要度測度を導くためのこれらの推定子の応用を容易にした。結果は,限られたサンプルによる研究における高次元データにおける安定した因果関係をロバストに明らかにするためのデータ適応アプローチである。一般化分散推定量を数値実験における代替分散推定器に対して評価した。タバコ喫煙のエピジェネティック効果に関する観察研究からの高次元DNAメチル化データの解析において,提案した方法によるバイオマーカーの同定を示した。【JST・京大機械翻訳】