基于无度查漏写作的稀疏因果效应估计：面对未测量混杂因素的两样本摘要统计
统计方法学
2024-11-26 v4 应用统计
摘要
观察性基因组-wide 关联研究 (GWAS) 已在遗传流行病学中广泛用于因果推断。为维护隐私，这类数据通常仅以摘要统计形式公开，且往往端ogenous 协变量与结果变量的研究分属不同资料。因此，亟需针对两样本摘要统计开发方法。当前最先进的方法修改线性工具变量 (IV) 回归——以遗传变异为工具 ——以考虑未测量混杂。然而，由于端ogenous 协变量可能是高维的，标准 IV 假设通常不足以同时识别所有因果效应。我们通过假设因果效应稀疏来确保可识别性，并提出稀疏因果效应两样本 IV 估计器 spaceTSIV，后者依据 Pfister 和 Peters (2022) 所述的 spaceIV 估计器方法，针对两样本摘要统计进行改进。我们提供两种方法，分别基于 L0- 和 L1-惩罚。我们证明了在两样本设置下稀疏因果效应的可识别性以及 spaceTSIV 的一致性。最后，我们在模拟实验中比较了 spaceTSIV 与现有两样本 IV 方法的性能，并展示了其在真实蛋白质组和基因表达数据上的药物靶点发现应用。
引用
@article{arxiv.2410.12300,
title = {Sparse Causal Effect Estimation using Two-Sample Summary Statistics in the Presence of Unmeasured Confounding},
author = {Shimeng Huang and Niklas Pfister and Jack Bowden},
journal= {arXiv preprint arXiv:2410.12300},
year = {2024}
}