文献

J-GLOBAL ID：202202218772944653   整理番号：22A1019460

イメージング遺伝学への応用による高次元試験におけるリッジペナリゼーション【JST・京大機械翻訳】

Ridge Penalization in High-Dimensional Testing With Applications to Imaging Genetics

著者 (5件)： Gauran Iris Ivy (Biostatistics Group, Computer, Electrical, Mathematical Sciences, and Engineering Division, King Abdullah University of Science and Technology, Thuwal, Saudi Arabia) ,  Xue Gui (Center for Brain and Learning Science, Beijing Normal University, Beijing, China) ,  Chen Chuansheng (Department of Psychological Science, University of California, Irvine, Irvine, CA, United States) ,  Ombao Hernando (Biostatistics Group, Computer, Electrical, Mathematical Sciences, and Engineering Division, King Abdullah University of Science and Technology, Thuwal, Saudi Arabia) ,  Yu Zhaoxia (Department of Statistics, University of California, Irvine, Irvine, CA, United States)
資料名： Frontiers in Neuroscience (Web)  (Frontiers in Neuroscience (Web))
巻： 16  ページ： 836100  発行年： 2022年 
JST資料番号： U7087A  ISSN： 1662-453X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 高次元性はイメージング遺伝学のような様々な科学分野で遍在しており,脳関連遺伝子多型に関する機能的および構造的データに関する調査が検討されている。単にランダムノイズと比較して,脳連結性の神経学的特徴の同定において,どの遺伝的変異が結果として起こるかを同定することは極めて重要である。高次元設定における統計的推論は,解析的および計算の複雑さを含む複数の課題を提起する。推論目標に対処する際に広く実装された戦略はペナルティ推論である。特に,高次元予測と推定におけるリッジペナルティの役割は過去数年で活発に研究されている。本研究は,最適リッジペナルティを選択するための一連の方法を提案して,検討することにより,高次元仮説試験問題におけるリッジペナルティ試験に焦点を当てた。リッジペナルティ試験の統計的電力を改善し,仮説試験のための最適なリッジペナルティを決定する戦略に関する著者らの知見を示した。イメージング遺伝学研究と生物学的研究への著者らの研究の応用を提示した。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データ ,  電力 ,  予測 ,  脳 ,  仮説検定 ,  統計的推定 ,  *画像処理 ,  不規則雑音 ,  *遺伝学 ,  *高次元 ,  推論 ,  ペナルティ ,  遺伝子多型
準シソーラス用語： 遺伝的変異 ,  ニューロイメージング , 【Automatic Indexing@JST】

著者キーワード (5件)： 高次元試験 ,  ゲノムワイド関連研究 ,  神経イメージング ,  リッジペナリゼーション ,  イメージング遺伝学

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  遺伝学研究法  (EC01020N)

引用文献 (54件)：

• Allen D. M. (1971). Mean square error of prediction as a criterion for selecting variables. Technometrics 13, 469-475. doi: 10.1080/00401706.1971.10488811
• Arlot S., Celisse A. (2010). A survey of cross-validation procedures for model selection. Stat. Surv. 4, 40-79. doi: 10.1214/09-SS054
• Bartlett P. L., Long P. M., Lugosi G., Tsigler A. (2020). Benign overfitting in linear regression. Proc. Natl. Acad. Sci. U.S.A. 117, 30063-30070. doi: 10.1073/pnas.1907378117
• Batmanghelich N. K., Dalca A. V., Sabuncu M. R., Golland P. (2013). Joint modeling of imaging and genetics, in International Conference on Information Processing in Medical Imaging (Asilomar, CA: Springer), 766-777. doi: 10.1007/978-3-642-38868-2_64
• Bühlmann P., Ćevid D. (2020). Deconfounding and causal regularisation for stability and external validity. Int. Stat. Rev. 88, S114-S134. doi: 10.1111/insr.12426

タイトルに関連する用語 (5件)： イメージング ,  遺伝 ,  応用 ,  高次元 ,  試験