用于组学系统分析的工具变量孟德尔随机化与因果网络
应用统计
2020-04-16 v1
摘要
通过工具变量分析实现的孟德尔随机化在因果推断中常被讨论，且近期其在真实数据上的应用数量正在增加。然而，针对现代生物医学问题（如因果推断中大规模组学的整合）的讨论甚少。在大数据组学时代，我们面对数百乃至数千个组分而对底层结构知之甚少，而该领域的关注点仍集中于小规模且大多结构已知的情形。大型组学数据的可得性凸显了识别组学组分间相互关联并揭示其关系规律之技术的需求。本研究扩展了工具变量技术，以在大规模下识别因果网络并评估相关假设。大规模因果网络十分复杂，需进一步分析以揭示组学内部及组学之间组分相互关联并联系至疾病终点的机制。本研究将综述因果网络在机制理解中的这些效用。
引用
@article{arxiv.2004.06958,
title = {Mendelian randomization and causal networks for systematic analysis of omics},
author = {Azam Yazdani},
journal= {arXiv preprint arXiv:2004.06958},
year = {2020}
}