高次元生物学におけるデータ適応セミパラメトリック推定への適度な統計の一般化【JST・京大機械翻訳】

Hejazi Nima S.; Boileau Philippe; van der Laan Mark J.; Hubbard Alan E.

プレプリント

J-GLOBAL ID：202202200134722430 整理番号：22P0000479

高次元生物学におけるデータ適応セミパラメトリック推定への適度な統計の一般化【JST・京大機械翻訳】

A generalization of moderated statistics to data adaptive semiparametric estimation in high-dimensional biology

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2017年10月15日プレプリントサーバーでの情報更新日： 2022年01月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

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】

, , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

パターン認識 , 人工知能

, , , , ,

前のページに戻る