論文の概要: Tradeoffs of Linear Mixed Models in Genome-wide Association Studies
- arxiv url: http://arxiv.org/abs/2111.03739v1
- Date: Fri, 5 Nov 2021 22:05:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-09 17:54:11.362293
- Title: Tradeoffs of Linear Mixed Models in Genome-wide Association Studies
- Title(参考訳): ゲノムワイド関連研究における線形混合モデルのトレードオフ
- Authors: Haohan Wang, Bryon Aragam, Eric Xing
- Abstract要約: ゲノムワイド・アソシエーション研究(GWAS)に応用した線形混合モデル(LMM)の統計的性質について検討する。
まず,LMMの親和性行列への候補SNPの導入に対する感度について検討する。
第2に、混合モデルが従来の手法よりもLMMの利点として広く受け入れられているGWASの共創者を補正する方法について検討する。
- 参考スコア(独自算出の注目度): 18.560273425572582
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Motivated by empirical arguments that are well-known from the genome-wide
association studies (GWAS) literature, we study the statistical properties of
linear mixed models (LMMs) applied to GWAS. First, we study the sensitivity of
LMMs to the inclusion of a candidate SNP in the kinship matrix, which is often
done in practice to speed up computations. Our results shed light on the size
of the error incurred by including a candidate SNP, providing a justification
to this technique in order to trade-off velocity against veracity. Second, we
investigate how mixed models can correct confounders in GWAS, which is widely
accepted as an advantage of LMMs over traditional methods. We consider two
sources of confounding factors, population stratification and environmental
confounding factors, and study how different methods that are commonly used in
practice trade-off these two confounding factors differently.
- Abstract(参考訳): ゲノムワイド・アソシエーション研究(GWAS)の文献からよく知られる経験的議論に動機付けられ, 線形混合モデル(LMM)の統計的性質について検討した。
まず, 計算速度を高速化するためにしばしば行われる交配行列における候補snpの包含に対するlmmの感度について検討する。
その結果,候補SNPを含む誤差の大きさに光を当て,この手法の正当性を証明し,速度と精度のトレードオフを図った。
第2に、混合モデルが従来の手法よりもLMMの利点として広く受け入れられているGWASの共創者を補正する方法について検討する。
人口階層化と環境共生要因の2つの要因を考察し,この2つの共生要因の実践的トレードオフにおいて一般的に用いられる方法の相違について検討する。
関連論文リスト
- Preference Leakage: A Contamination Problem in LLM-as-a-judge [69.96778498636071]
審査員としてのLLM(Large Language Models)とLLMに基づくデータ合成は、2つの基本的なLLM駆動型データアノテーション法として登場した。
本研究では, 合成データ生成器とLCMに基づく評価器の関連性に起因するLCM-as-a-judgeの汚染問題である選好リークを明らかにする。
論文 参考訳(メタデータ) (2025-02-03T17:13:03Z) - Chain-of-Thought Prompting for Demographic Inference with Large Multimodal Models [58.58594658683919]
大規模マルチモーダルモデル (LMM) は、様々な研究課題において変換可能性を示している。
以上の結果から,LMMはゼロショット学習,解釈可能性,未修正入力の処理に長所があることが示唆された。
本稿では,目標外予測問題を効果的に緩和するChain-of-Thought拡張プロンプト手法を提案する。
論文 参考訳(メタデータ) (2024-05-24T16:26:56Z) - Evaluating tree-based imputation methods as an alternative to MICE PMM
for drawing inference in empirical studies [0.5892638927736115]
欠落したデータを扱うことは、しばしば計算手順で対処される統計解析において重要な問題である。
予測平均マッチング(PMM)を用いた連鎖方程式による多重計算の一般的な方法は、社会科学文献において標準とされている。
特に、木に基づく計算手法は、非常に競争力のあるアプローチとして現れてきた。
論文 参考訳(メタデータ) (2024-01-17T21:28:00Z) - Exploring the Jungle of Bias: Political Bias Attribution in Language Models via Dependency Analysis [86.49858739347412]
大規模言語モデル(LLM)は、これらのモデルにおけるバイアスの頻度とその緩和に関する激しい議論を引き起こしている。
本稿では,意思決定プロセスに寄与する属性の抽出と仲介を行うためのプロンプトベースの手法を提案する。
観察された異なる治療は、少なくとも部分的には、属性の相違とモデルの相違によるものであることが判明した。
論文 参考訳(メタデータ) (2023-11-15T00:02:25Z) - Granger Causal Inference in Multivariate Hawkes Processes by Minimum Message Length [0.0]
最小メッセージ長(MML)原理に基づく最適化基準とモデル選択アルゴリズムを提案する。
ラッソ型ペナル化を用いた最先端の手法の多くは、短時間の水平線を持つシナリオでは過度に適合する傾向にあるが、提案手法はこれらの設定において高いF1スコアを達成する。
論文 参考訳(メタデータ) (2023-09-05T08:13:34Z) - Reweighted Mixup for Subpopulation Shift [63.1315456651771]
サブポピュレーションシフトは、多くの実世界のアプリケーションに存在し、同じサブポピュレーショングループを含むが異なるサブポピュレーション比率を持つトレーニングとテストの分布を指す。
重要度再重み付けは、サブポピュレーションシフトを処理する古典的で効果的な方法である。
我々は、オーバーフィッティング問題を緩和するために、reweighted mixupと呼ばれるシンプルで実用的なフレームワークを提案する。
論文 参考訳(メタデータ) (2023-04-09T03:44:50Z) - What Makes Forest-Based Heterogeneous Treatment Effect Estimators Work? [1.1050303097572156]
両手法がL2損失下で同じパラメータと共起仮定で理解可能であることを示す。
ランダム化環境では、両方のアプローチはベンチマーク研究で新しいブレンドバージョンと同様に実行された。
論文 参考訳(メタデータ) (2022-06-21T12:45:07Z) - Fast approximations of the Jeffreys divergence between univariate
Gaussian mixture models via exponential polynomial densities [16.069404547401373]
ジェフリーズ・ダイバージェンス(英: Jeffreys divergence)は、機械学習、信号処理、情報科学でよく用いられる統計学のクルバック・リブラーの有名な対称性である。
任意の成分数の2つのGMM間のジェフリーズ偏差を近似するために, 単純かつ高速な関数を提案する。
論文 参考訳(メタデータ) (2021-07-13T07:58:01Z) - Counterfactual Maximum Likelihood Estimation for Training Deep Networks [83.44219640437657]
深層学習モデルは、予測的手がかりとして学習すべきでない急激な相関を学習する傾向がある。
本研究では,観測可能な共同設立者による相関関係の緩和を目的とした因果関係に基づくトレーニングフレームワークを提案する。
自然言語推論(NLI)と画像キャプションという2つの実世界の課題について実験を行った。
論文 参考訳(メタデータ) (2021-06-07T17:47:16Z) - Learning Gaussian Graphical Models with Latent Confounders [74.72998362041088]
我々は、グラフィカルモデルにおける推論のための2つの戦略を、潜伏した共同創設者と比較し、対比する。
これら2つのアプローチは、類似した目標を持っているが、それらは共起に関する異なる仮定によって動機付けられている。
これら2つのアプローチの強みを組み合わせた新しい手法を提案する。
論文 参考訳(メタデータ) (2021-05-14T00:53:03Z) - Estimating Linear Mixed Effects Models with Truncated Normally
Distributed Random Effects [5.4052819252055055]
ランダム効果の正規分布を仮定した場合、最大極大アプローチを用いて推論を行うことができる。
本稿では、古典的(制約のない)LMEモデルを拡張し、その全体係数の符号制約を許容する。
論文 参考訳(メタデータ) (2020-11-09T16:17:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。