基于高维暴露与高维中介的介导分析的多模态数据整合
统计方法学
2021-03-30 v1
摘要
受一项针对阿尔茨海默病（AD）的影像蛋白质组学研究的启发，本文提出一种具有高维暴露与高维中介的介导分析方法，以整合从多个平台收集的数据。所提方法将主成分分析与带惩罚的最小二乘估计相结合，用于一组线性结构方程模型。前者降低维度并生成不相关的暴露变量线性组合，后者在实现同时路径选择与效应估计的同时允许中介变量相关。将该 method 应用于 AD 数据，识别出大量有趣的蛋白质肽、脑区以及蛋白-结构-记忆路径，这些结果与现有 AD 研究发现一致并对其进行补充。额外的模拟进一步证明了该方法有效的实证表现。
引用
@article{arxiv.2103.15687,
title = {Multimodal Data Integration via Mediation Analysis with High-Dimensional Exposures and Mediators},
author = {Yi Zhao and Lexin Li},
journal= {arXiv preprint arXiv:2103.15687},
year = {2021}
}