論文の概要: High-dimensional Many-to-many-to-many Mediation Analysis
- arxiv url: http://arxiv.org/abs/2604.02886v1
- Date: Fri, 03 Apr 2026 08:48:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-06 17:20:24.415072
- Title: High-dimensional Many-to-many-to-many Mediation Analysis
- Title（参考訳）: 高次元多対多調度解析
- Authors: Tien Dat Nguyen, Trung Khang Tran, Cong Khanh Truong, Duy-Cat Can, Binh T. Nguyen, Oliver Y. Chén,
- Abstract要約: 多くの(露出)--------- (メディエーター)-------- (アウトカム) (MMM) 仲介分析問題。
メソジカルなMMMメディエーション解析は,高次元露光とメディエータの可変選択を同時に行う。
- 参考スコア（独自算出の注目度）: 3.3691141890486076
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study high-dimensional mediation analysis in which exposures, mediators, and outcomes are all multivariate, and both exposures and mediators may be high-dimensional. We formalize this as a many (exposures)-to-many (mediators)-to-many (outcomes) (MMM) mediation analysis problem. Methodologically, MMM mediation analysis simultaneously performs variable selection for high-dimensional exposures and mediators, estimates the indirect effect matrix (i.e., the coefficient matrices linking exposure-to-mediator and mediator-to-outcome pathways), and enables prediction of multivariate outcomes. Theoretically, we show that the estimated indirect effect matrices are consistent and element-wise asymptotically normal, and we derive error bounds for the estimators. To evaluate the efficacy of the MMM mediation framework, we first investigate its finite-sample performance, including convergence properties, the behavior of the asymptotic approximations, and robustness to noise, via simulation studies. We then apply MMM mediation analysis to data from the Alzheimer's Disease Neuroimaging Initiative to study how cortical thickness of 202 brain regions may mediate the effects of 688 genome-wide significant single nucleotide polymorphisms (SNPs) (selected from approximately 1.5 million SNPs) on eleven cognitive-behavioral and diagnostic outcomes. The MMM mediation framework identifies biologically interpretable, many-to-many-to-many genetic-neural-cognitive pathways and improves downstream out-of-sample classification and prediction performance. Taken together, our results demonstrate the potential of MMM mediation analysis and highlight the value of statistical methodology for investigating complex, high-dimensional multi-layer pathways in science. The MMM package is available at https://github.com/THELabTop/MMM-Mediation.
- Abstract（参考訳）: 本研究では, 被曝, メディエーター, 結果が多変量であり, 被曝とメディエーターの両方が高次元であるような高次元メディエーション解析について検討する。
我々はこれを、多くの(露出)----------------------- (outcomes) (MMM) 仲介分析問題として定式化する。
方法論的には、MMMメディエーション分析は高次元露光とメディエーターの可変選択を同時に行い、間接効果行列(すなわち、被曝から仲介者への経路をリンクする係数行列)を推定し、多変量結果の予測を可能にする。
理論的には、推定された間接効果行列は一貫性があり、元素的に漸近的に正規であり、推定器の誤差境界を導出する。
MMM媒介フレームワークの有効性を評価するために,まず,収束特性,漸近近似の挙動,雑音に対する頑健性などの有限サンプル性能についてシミュレーション研究を行った。
次に、アルツハイマー病神経画像イニシアチブのデータにMMMメディエーション分析を適用し、202領域の皮質の厚さが688のゲノムワイドな1つのヌクレオチド多型(約150万のSNPから選ばれる)が11の認知行動および診断結果に与える影響を仲介する方法について検討する。
MMMメディエーションフレームワークは、生物学的に解釈可能な、多対多の遺伝的認知経路を特定し、下流のアウト・オブ・サンプル分類と予測性能を改善する。
本研究は,MMM媒介分析の可能性を実証し,科学における複雑で高次元の多層経路を調査するための統計的手法の価値を強調した。
MMMパッケージはhttps://github.com/THELabTop/MMM-Mediation.comで入手できる。
関連論文リスト
- Cross-modal Causal Intervention for Alzheimer's Disease Prediction [13.584994367762398]
アルツハイマー病診断のためのCross-modal Causal Intervention with Mediator (MediAD) という視覚言語因果性に着想を得たフレームワークを提案する。
我々の枠組みは、統一因果介入法により、観測可能・観測不可能な共同創設者の効果を暗黙的に緩和する。
論文 参考訳（メタデータ） (2025-07-18T14:21:24Z) - Causal mediation analysis with one or multiple mediators: a comparative study [36.52655918884223]
因果媒介分析のための古典的推定器のパラメトリックおよび非パラメトリック実装について考察する。
シミュレーションデータに対する総合的なベンチマークにおいて、いくつかのアプローチを評価する。
応用例として,認知機能に影響を与える要因の徹底的な分析を提案する。
この分析は、高血圧や肥満などいくつかの生理的要因について、その効果のかなりの部分は脳構造の変化によるものであることを示している。
論文 参考訳（メタデータ） (2025-05-12T08:10:50Z) - DAMM-Diffusion: Learning Divergence-Aware Multi-Modal Diffusion Model for Nanoparticles Distribution Prediction [19.362568685267448]
腫瘍の診断と治療には,ナノ粒子分布の予測が重要である。
textbfDAMM-Diffusionモデル(textbfDAMM-Diffusionモデル)を提案し、ユニモーダル分岐とマルチモーダル分岐から予測結果を適応的に生成する。
論文 参考訳（メタデータ） (2025-03-12T15:52:05Z) - MVICAD2: Multi-View Independent Component Analysis with Delays and Dilations [61.59658203704757]
本稿では,時間的遅延と拡張の両面において,被験者間でソースを異にするMVICAD(Multi-View Independent Component Analysis with Delays and Dilations)を提案する。
本稿では, 正則化と最適化手法を用いて, 性能向上を図るため, 正則化と最適化手法を用いて, その可能性の近似を導出する。
論文 参考訳（メタデータ） (2025-01-13T15:47:02Z) - XAI for In-hospital Mortality Prediction via Multimodal ICU Data [57.73357047856416]
マルチモーダルICUデータを用いて病院内死亡率を予測するための,効率的で説明可能なAIソリューションを提案する。
我々は,臨床データから異種入力を受信し,意思決定を行うマルチモーダル・ラーニングを我々のフレームワークに導入する。
我々の枠組みは、医療研究において重要な要素の発見を容易にする他の臨床課題に容易に移行することができる。
論文 参考訳（メタデータ） (2023-12-29T14:28:04Z) - Sparse high-dimensional linear mixed modeling with a partitioned empirical Bayes ECM algorithm [41.25603565852633]
この研究は、高次元LMMに対する効率的かつ正確なベイズ的枠組みを示す。
このアプローチの斬新さは、パーティショニングとパラメータ拡張と、高速でスケーラブルな計算にある。
実世界の例では、小児のループスの研究データを用いて、新しいループスバイオマーカーに関連する遺伝子と臨床因子を特定し、時間とともにバイオマーカーを予測する。
論文 参考訳（メタデータ） (2023-10-18T19:34:56Z) - Self-Supervised Neuron Segmentation with Multi-Agent Reinforcement
Learning [53.00683059396803]
マスク画像モデル(MIM)は,マスク画像から元の情報を復元する簡便さと有効性から広く利用されている。
本稿では、強化学習(RL)を利用して最適な画像マスキング比とマスキング戦略を自動検索する決定に基づくMIMを提案する。
本手法は,ニューロン分節の課題において,代替自己監督法に対して有意な優位性を有する。
論文 参考訳（メタデータ） (2023-10-06T10:40:46Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳（メタデータ） (2020-09-29T21:17:16Z) - Meta-modal Information Flow: A Method for Capturing Multimodal Modular
Disconnectivity in Schizophrenia [11.100316178148994]
統合失調症(SZ)における解離と機能不全の仮説に対処するための多モードデータを活用する手法を提案する。
マルチモーダルデータセットを通して精神疾患に関連するリンクを特定するために,GGMに適用可能なモジュール性に基づく手法を提案する。
シミュレーションと実データにより,本手法は単一モダリティに焦点をあてて欠落する疾患関連ネットワーク破壊に関する重要な情報を明らかにする。
論文 参考訳（メタデータ） (2020-01-06T18:46:41Z)
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。