多变量结果中相互关联模块的建模：酒精摄入对血浆代谢物的影响评估

酒精摄入已被证明会影响人类血管心血管机制，导致可观察的血浆代谢物轮廓改变。常用于探讨这些效应的回归模型将代谢物特征作为结果，将酒精摄入作为暴露。鉴于众多代谢物特征之间存在潜在依赖结构（例如共表达网络中相互关联的模块），在准确识别与酒精摄入相关的代谢物特征方面，建模这种结构至关重要。然而，在估计和推断程序中将依赖结构整合到回归模型中，由于数据维数大或稀疏，仍然困难。为弥合这一差距，我们提出了一种创新的多变量回归模型，通过纳入相互关联社区结构来 account 结果特征之间的相关性。此外，我们推导了闭式和基于似然的估计量，分别伴随显式的精确协方差矩阵和渐近协方差矩阵估计。仿真分析表明，我们的方法能够准确估计依赖关系和回归系数，并通过对现有回归模型进行基准测试，提高灵敏度同时保持良好的发现率控制。最后，我们将该方法应用于评估酒精摄入对249个血浆代谢物生物标志物的影响，这些生物标志物通过核磁共振光谱测得。结果表明，酒精摄入可以通过增强Apolipoproteins A1的输送速率来提升高密度脂蛋白水平。