A Sieve Quasi-likelihood Ratio Test for Neural Networks with Applications to Genetic Association Studies
神经网络（NN）在现代人工智能（AI）技术中发挥着核心作用，并已成功应用于自然语言处理和图像识别等领域。虽然大多数神经网络的应用集中在预测和分类，有越来越多的兴趣研究神经网络的统计推断。对神经网络统计推断的研究可以加深对神经网络统计性质的理解。此外，它可以促进基于神经网络的假设检验，可以应用于假设驱动的临床和生物医学研究。本文提出了一种基于单隐层神经网络的筛准似然比检验，用于复杂关联的检验。该检验统计量具有渐近卡方分布，因而计算效率高，易于在实际数据分析中实现。通过仿真研究了该渐近分布的有效性。最后，我们通过对阿尔茨海默病神经影像学倡议（ADNI）的测序数据进行遗传关联分析来证明所提出的测试的使用。
2022-12-16 math.ST stat.ML stat.TH
Statistical Inference for Maximin Effects: Identifying Stable Associations across Multiple Studies
对来自多个来源的数据进行综合分析对于做出可推广的发现至关重要。在多个来源人群中一致观察到的关联更有可能被推广到可能发生分布变化的目标人群。本文利用多元高维回归对异质多源数据进行建模，并对极大极小效应进行了推论（Meinshausen，B{ühlmann，AoS，43（4），1801- 1830）。最大最小效应提供了跨多源数据的稳定关联的衡量标准。一个显著的最大最小效应表明一个变量在多个源总体中具有共同的共享效应，这些共享效应可以推广到更广泛的目标总体。存在与推断极大极小效应相关的挑战，因为其点估计量可能具有非标准的极限分布。我们设计了一种新的抽样方法来构造有效的置信区间的最大极小效应。建议的置信区间达到参数长度。这种抽样方法和相关的理论分析对解决其他非标准推理问题也有独立的意义。利用酵母在多种环境中生长的遗传数据，我们证明了具有显著最大极小效应的遗传变异在新环境下具有可推广的效应。
2022-12-15 math.ST stat.ME stat.ML
A composite likelihood ratio approach to the analysis of correlated binary data in genetic association studies
似然函数表示数据和概率模型背景下的统计证据。相当多的理论表明，不同参数值的证据强度可以从似然曲线上不同点的似然比来解释。然而，似然函数可能是未知的或难以计算;例如，对于多代大家庭中具有二元结果的遗传关联研究。复合似然是一个方便的替代使用真正的可能性，在这里，我们表明复合似然有有效的证据解释。我们表明，复合似然，具有强大的调整，有两个大样本的性能属性，使可靠的评估相对证据的不同值的似然曲线：（1）复合似然函数将支持真值的假值由任意大的因素;（2）有利于假值的概率比真值的概率高，是小而有界的。使用广泛的模拟研究，并在大型复杂谱系中阅读障碍的遗传关联分析中，我们表明复合方法产生了有效的统计推断。结果进行比较，使用广义估计方程的分析，并显示类似的推断得到，虽然复合方法的结果在一个完整的可能性解决方案，提供额外的补充信息。
2016-11-16 math.ST stat.AP stat.TH
Simultaneous Inference for Proximal Causal Learning with Weak Proxies
Columbia University（哥伦比亚大学）
本文发展了在未测量混杂因素下利用近端负控制代理的半参数理论，研究反事实分布、分位数和下尾风险过程的正则性、相变和统一推断方法。
2026-09-28 stat.ME
Single Proxy Synthetic Control
针对时间序列中单一处理单元的效应估计，提出单一代理合成控制方法，利用未处理单元结果作为代理构建有效合成控制，仅需单一类型代理即可实现识别与估计，并支持时变协变量和非线性模型。
2025-03-05 stat.ME
A mixture distribution approach for assessing genetic impact from twin study
针对双生子研究中配对顺序不明确的问题，本文提出混合二元分布建模方法，并通过单卵与双卵双生子的组合似然实现根号n一致估计，从而有效评估免疫性状的遗传影响。
2025-07-18 stat.AP stat.ME
EigenPrism: Inference for High-Dimensional Signal-to-Noise Ratios
考虑统计推断中的以下三个重要问题，即，为（1）高维（$p>n$）回归估计量的误差，（2）线性回归噪声水平和（3）连续值性状的遗传信噪比（与遗传力相关）构建置信区间。所有这三个问题都与在高维线性回归中对信号的$\ell_2$范数进行推断的很少研究的问题密切相关。我们推导出一个新的程序，这是渐近正确的协变量时，多元高斯，并产生有效的置信区间，以及在有限的样本。该过程称为EigenPrism，计算速度快，并且不对系数稀疏性或噪声水平的知识进行假设。我们研究了EigenPrism置信区间的宽度，包括与贝叶斯设置的比较，其中我们的区间仅比贝叶斯可信区间宽5%。然后，我们能够统一上述三个问题，表明本征棱镜程序只有很小的修改是能够作出重要贡献，所有三个。我们还研究了覆盖的鲁棒性，发现该方法在实践中和有限样本中的应用比多元高斯协变量的情况更广泛。最后，我们将EigenPrism应用于遗传数据集，以估计许多连续表型的遗传信噪比。
2016-06-28 stat.ME
Phylogenetic least squares estimation without genetic distances
本研究提出一种无需预估计遗传距离矩阵的最小二乘系统发育推断方法，直接基于序列数据构建损失函数，性能优于普通最小二乘方法，可同时估计系统发育树与替换模型参数，适用于似然推断不可行的场景。
2024-06-21 q-bio.PE stat.ME
Quantile Regression with Multiple Proxy Variables
由于多个数据源的可用性，数据集成变得越来越流行。本研究考虑了当关键协变量在多个数据集上具有多个代理时的分位数回归估计。在一个统一的估计过程中，所提出的方法采用了多个代理，有各种关系的未观察到的协变量。所提出的方法允许推断的分位数函数和未观察到的协变量。此外，它不需要分位数函数的线性，同时，容纳线性和非线性代理。模拟研究表明，这种方法成功地集成了多个代理，并揭示了广泛的非线性数据的分位数关系。所提出的方法适用于从韩国统计局提供的家庭财务和生活条件调查中获得的行政数据，以具体说明在存在多种收入记录的情况下资产与工资收入之间的关系。
2022-10-22 stat.ME
Selection-adjusted inference: an application to confidence intervals for cis-eQTL effect sizes
eQTL研究的目的是鉴定影响生物体中基因表达水平的遗传变异。高通量技术使这样的研究成为可能：在给定的组织样本中，它使我们能够量化大约20，000个基因的表达水平，并记录数百万个遗传多态性中存在的等位基因。虽然一旦标本在手，获得这些数据相对便宜，但获得人体组织仍然是一项昂贵的努力。因此，eQTL研究仍然基于相对较小的样本量，对于最直接的医学相关性的组织，这种限制特别严重。鉴于这些数据集的高维性质和大量的假设测试，科学界已经采用了早期的多重性调整程序，主要控制错误发现率，以识别影响表达水平的遗传变异。相比之下，一个问题，没有得到太多的关注，日期是提供估计的影响大小与这些变量，在某种程度上，占相当数量的选择。我们说明了如何最近开发的条件推理方法可以部署到获得置信区间的eQTL效应大小可靠的覆盖。我们提出的程序是基于一个随机化的分层策略，既反映了通常采用的最先进的调查，并介绍了使用随机性，而不是数据分裂，以最大限度地利用现有数据的步骤。对GTEx Liver数据集（v6）的分析表明，单纯获得的置信区间可能无法覆盖效应量的真实值，并且可能低估了影响基因表达水平的局部遗传多态性的数量。
2018-06-07 stat.AP
A Regression-based Approach to Robust Estimation and Inference for Genetic Covariance
本文提出统一的基于回归的遗传协方差稳健估计与推断框架，证明模型错误设定下的渐近稳健性，并通过模拟和远交小鼠GWAS分析验证其效果。
2023-10-04 stat.ME
Conditional inference in cis-Mendelian randomization using weak genetic factors
本文提出了一种cis-MR推断方法，利用因子分析降低遗传变异维度并作为工具变量，通过两种条件检验方法解决弱效应下的尺度扭曲问题，为降胆固醇药物靶点验证提供了遗传证据。
2021-12-31 stat.ME
Causal Inference in Genetic Trio Studies
本研究提出一种基于遗传三联体数据的因果推断方法，利用减数分裂天然随机性，通过Digital Twin Test识别基因组因果变异区域，无需假设基因型与表型的关系，还可结合黑盒模型和额外数据提升效能。
2020-02-22 stat.AP stat.ME
Proxy expenditure weights for Consumer Price Index: Audit sampling inference for big data statistics
来自零售连锁店的购买数据提供了私人家庭在传统支出调查中最难收集的项目上的支出的替代措施。由于代理数据的绝对数量，由于覆盖和选择错误造成的偏差完全主导了方差。我们开发基于审计抽样的偏差测试，该测试利用了无法与个人层面的代理数据源相关联的可用调查数据。然而，审计抽样未能产生有意义的均方误差估计，因为与大数据估计的偏差相比，抽样方差太大。我们提出了一种新的准确性措施，适用于这种情况。这可以为采用大数据源提供必要的统计论据，以取代传统的调查抽样。最后，以食品价格分类指数为例说明了该方法的有效性。
2019-06-15 econ.EM stat.ME
Haplotype frequency inference from pooled genetic data with a latent multinomial model
针对混合遗传数据推断单倍型频率时正态近似失效的问题，本文提出基于潜在多项模型的精确方法，通过马尔可夫基抽样实现近似线性时间，并在合成及真实数据上优于现有近似方法。
2023-08-31 stat.ME
Bayesian mixed model inference for genetic association under related samples with brain network phenotype
本文提出贝叶斯网络响应混合效应模型，处理相关样本下脑网络表型的遗传关联，通过效应子网络建模和MCMC推断，在模拟和人类连接组计划数据中验证了有效性。
2023-05-16 stat.AP stat.ME
Identification and Inference in proxy-SVARs with non-Gaussian shocks
University of Bologna（博洛尼亚大学）
本文提出一种结合代理变量与非高斯矩的混合GMM框架，用于识别结构VAR，在弱工具下仍保持一致且更有效，并提供正交规格检验，经模拟和实证验证。
2026-10-14 econ.EM stat.ME
Proximal causal inference through cross-proxy balancing
Johns Hopkins Bloomberg School of Public Health（约翰斯·霍普金斯大学布隆伯格公共卫生学院）；Yale University（耶鲁大学）
本文提出通过交叉代理平衡来理解近似因果推断，将治疗桥函数视为平衡条件，并证明其估计为平衡权重估计，同时为常见估计器的数值等价性提供条件。
2026-09-30 stat.ME
ProxyGuard: Direct Reliability Inference for Randomized Data Release Mechanisms with Shared Targets
New York University（纽约大学）；Queens College（皇后学院）
ProxyGuard通过两种模式控制随机数据发布机制的错误，在注册研究中提升了直接模式的功效，且可审计Rice--TVAE等机制。
2026-10-28 cs.LG stat.ME stat.ML
Efficient testing and effect size estimation for set-based genetic association inference via semiparametric multilevel mixture modeling: Application to a genome-wide association study of coronary artery disease
在遗传关联研究中，具有极小等位基因频率的罕见变异在复杂性状中起着至关重要的作用，并且开发了联合评估单核苷酸多态性（SNPs）组的影响的基于集合的测试方法以提高关联测试的功效。然而，由于等位基因频率非常小，这些测试的功效仍然受到严重限制，并且精确估计单个SNP的效应大小基本上是不可能的。在这篇文章中，我们提供了一个有效的基于集合的推理框架，解决了两个重要的问题，同时基于贝叶斯半参数多级混合模型。我们建议使用多层次的层次模型，将集特定的效果和变量特定的效果的变化，并应用最佳发现程序（ODP），实现了最大的整体功率在多个显着性检验。此外，我们提供了贝叶斯最优的“基于集合”的估计的经验分布的效果大小。通过应用于冠状动脉疾病（CAD）的全基因组关联研究，并通过模拟研究，证明了所提出的方法的效率。这些结果表明，CAD可能存在许多具有大效应量的罕见变异，ODP检测到的显著集的数量远大于现有方法。
2020-03-12 stat.ME
Estimate Level Adjustment For Inference With Proxies Under Random Distribution Shifts
Central Applied Science, Meta（Meta应用科学中心）
本文提出一种基于领域适应的估计层框架，用于校准代理推断，通过建模代理-主要指标差异作为参数级随机效应，以应对分布偏移带来的不准确性。
2026-05-07 cs.LG stat.ME stat.ML
A statistical framework for GWAS of high dimensional phenotypes using summary statistics, with application to metabolite GWAS
最近爆炸的遗传和高维生物库和“组学”数据提供了研究人员有机会调查数百至数千个相关表型的共享遗传起源（多效性）。然而，现有的方法多表型全基因组关联研究（GWAS）不模型多效性，仅适用于少数表型，或提供没有办法进行推理。为了增加进一步的复杂性，原始遗传和表型数据很少被观察到，这意味着必须对GWAS汇总统计进行分析，其高维统计特性知之甚少。因此，我们开发了一种新的模型，理论框架，和一套方法来执行贝叶斯推断在GWAS的高维表型使用概括统计，明确模型多效性，产生快速计算，并促进使用生物信息先验。我们通过将其应用于代谢物GWAS来证明我们的程序的实用性，在那里我们开发了新的非参数先验，用于对代谢物水平的遗传影响，该代谢物水平使用已知的代谢途径信息并在途径水平上促进可解释的推断。
2023-03-17 math.ST q-bio.QM stat.ME
Likelihood-Based Inference for Discretely Observed Birth-Death-Shift Processes, with Applications to Evolution of Mobile Genetic Elements
连续时间生灭转移过程是随机建模中的常用过程，在生态学和流行病学中有着广泛的应用。特别是，这样的过程可以模拟转座因子的进化动力学-分子流行病学中的重要遗传标记。通过分析患者数据可以估计个体协变量对过程的出生、死亡和移位率的影响，但在离散和不均匀观察的环境中推断这些速率存在计算挑战。我们提出了一个多类型的分支过程逼近BDS过程，并开发了相应的期望最大化（EM）算法，其中我们使用谱技术，以减少预期的充分统计量的计算低维集成。这些技术产生了一个有效的和强大的优化程序来推断的BDS过程的速率，并更广泛地适用于多类型的分支过程中，速率可以取决于许多协变量。在模拟研究中严格测试我们的方法后，我们应用我们的方法来研究IS 6110转座因子的患者内时间演变，这是结核分枝杆菌感染流行病学簇估计过程中经常使用的元素。
2014-11-29 q-bio.PE stat.ME
Mendelian randomization with fine-mapped genetic data: choosing from large numbers of correlated instrumental variables
孟德尔随机化使用遗传变异来对风险因素对结果的影响进行因果推断。有了精细映射的遗传数据，在单个基因区域中可能有数百个遗传变异，其中任何一个都可以用来评估这种因果关系。然而，在分析中使用太多的遗传变异可能会导致虚假的估计和夸大的1型错误率。但是，如果只使用少数遗传变异，那么大多数数据都会被忽略，估计值对变异的特定选择高度敏感。我们提出了一种方法的基础上总结的数据（遗传关联和相关性估计），使用主成分分析，形成工具。这种方法具有理想的理论特性：它考虑了数据的整体性，并且不会受到数值不稳定性的影响。它在模拟研究中也具有良好的特性：它对分析中包含的遗传变异或遗传相关矩阵的变化并不特别敏感，并且它不会大大夸大1型错误率。总的来说，该方法给出的估计值不如变量选择方法（例如使用条件分析或修剪方法来选择变体）精确，但对变量选择步骤中看似任意的选择更稳健。方法说明了一个例子，使用遗传协会与睾酮的320个遗传变异，以评估性别歧视相关的途径对冠状动脉疾病风险的影响，其中变量选择方法给出不一致的推论。
2017-07-07 stat.ME
Adaptive Proximal Causal Inference with Some Invalid Proxies
针对多代理变量中部分可能违反排除限制的问题，本文给出因果识别充要条件，并提出基于自适应LASSO的有效代理选择与效应估计方法，兼具root-n一致性和有效推断保证。
2025-07-25 stat.ME
Bayesian Computation and Model Selection in Population Genetics
直到最近，贝叶斯推断在群体遗传学中的使用仅限于少数情况，因为对于许多现实的群体遗传模型，似然函数不能解析计算。这种情况随着无可能性推理算法的出现而改变，这种算法通常被归入近似贝叶斯计算（ABC）一词。一个关键的创新是使用后采样回归调整，允许更大的公差值，并因此将计算时间转移到现实的数量级（参见Beaumont等人，2002年）。在这里，我们提出了一个一般线性模型（GLM）的回归调整的重新制定。这允许整合到贝叶斯统计的框架和使用其方法，包括通过贝叶斯因子的模型选择。然后，我们将所提出的方法应用于西部黑猩猩之间的人口细分的问题。
2009-01-15 q-bio.PE stat.CO stat.ME
Bayesian Inference of Reproduction Number from Epidemiological and Genetic Data Using Particle MCMC
Nuffield Department of Medicine, University of Oxford（牛津大学纳菲尔德医学系）；School of Mathematics, Statistics and Physics, Newcastle University（纽卡斯尔大学数学、统计与物理学院）；Department of Statistics, University of Warwick（华威大学统计学系）；School of Life Sciences, University of Warwick（华威大学生命科学学院）；The Zeeman Institute for Systems Biology and Infectious Disease Epidemiology Research, University of Warwick（华威大学泽曼系统与传染病流行病学研究学院）
本文提出利用粒子MCMC方法结合流行病学和遗传数据推断时间变化的复数数，并在真实数据集上进行了验证。
2025-02-26 q-bio.GN q-bio.PE stat.AP
Bayesian nonparametric analysis of Kingman's coalescent
Kingman结合模型是群体遗传学中最常用的模型之一。它描述了一个种群的系谱，该种群的遗传组成根据赖特-费舍尔模型或属于弗莱明-维奥特过程的大类的适当近似随时间演变。在金曼的结合下的祖先推理在文献中，无论是在实际数据分析中，还是从理论和方法论的角度，都受到了很大的关注。给定一个在时间$t>0$从总体中抽取的个体样本，大多数贡献都旨在对与样本系谱相关的数量进行频率论或贝叶斯参数推断。在本文中，我们提出了一个贝叶斯非参数预测方法的祖先推断。也就是说，在事先假设的组成的人口演变的时间根据一个中立的弗莱明-维奥特过程，并给出包含在初始样本的$m$个人采取的人口在时间$t>0$的信息，我们估计的数量与家谱的一个额外的不可观察的样本大小$m^{\prime}\geq1$。作为我们分析的副产品，我们引入一类贝叶斯非参数估计（预测），可以被认为是古图灵型估计祖先的推断。所提出的方法是说明通过遗传数据的应用程序。
2018-04-19 math.PR math.ST stat.ME
Confounder-robust causal discovery and inference in Perturb-seq using proxy and instrumental variables
University of Pennsylvania（宾夕法尼亚大学）
提出一种利用代理变量和工具变量策略，从存在未观测混杂的 Perturb-seq 数据中准确重建因果基因网络的方法，在合成数据和真实实验上优于基线方法。
2026-06-05 stat.AP stat.ME
Goodness of Fit for Bayesian Generative Models with Applications in Population Genetics
针对不可处理似然模型，提出基于局部异常因子（LOF）的推断前与推断后两种拟合优度检验方法，用于模型剪枝与评估，并在群体遗传学SNP数据上验证了其有效性。
2025-01-28 stat.CO stat.ME
VIMCO: Variational Inference for Multiple Correlated Outcomes in Genome-wide Association Studies
在全基因组关联研究（GWAS）中，已经测量了参与者的多个相关性状，联合分析策略（由此联合分析性状）可以比单性状分析策略提高统计功效。在对多个性状进行联合GWAS分析时，有两个感兴趣的问题需要解决。第一个问题是检查一个基因位点是否与任何被测性状显著相关。第二个问题的重点是确定与遗传位点相关的特定性状。由于现有的方法主要集中在第一个问题，本文试图提供一个补充的方法，解决第二个问题。我们提出了一种新的方法，变分推断多相关结果（VIMCO），重点是确定特定的性状，是与遗传位点，当执行联合GWAS分析多个性状，同时占多个性状之间的相关性。我们进行了广泛的数值研究，并应用VIMCO分析了两个数据集。数值研究和实际数据分析表明，VIMCO提高统计功效比单性状的分析策略时，多个性状相关和不相关的性能相当。
2018-07-27 stat.ME
Network inference in matrix-variate Gaussian models with non-independent noise
从来自大量变量的观测数据推断图形模型或网络是机器学习和计算统计学中研究得很好的问题。在本文中，我们考虑这个问题的一个版本，是相关的遗传研究中收集的多个表型的分析。在这样的数据集中，我们期望表型之间和个体之间的相关性。我们将观测值建模为两个矩阵正态变量的和，使得联合协方差函数是Kronecker乘积的和。该模型概括了图形套索，假设观测值由于已知的遗传关系而相关，并被非独立噪声破坏。我们已经开发了一个计算效率高的期望最大化算法，以适应这个模型。在模拟数据集上，我们通过允许一般的噪声分布来说明网络重建的性能大大提高。
2013-12-05 stat.ME
L1-Penalized Censored Gaussian Graphical Model
图形套索是用于推断遗传网络的最常用的估计器之一。尽管它的扩散，有几个领域的应用研究中，现代测量技术的检测限制，使使用这个估计理论上是没有根据的，即使当一个多变量高斯分布的假设是满意的。典型的例子是由聚合酶链式反应和流式细胞仪产生的数据。删失和高维性的结合使得从这些数据中推断潜在的遗传网络非常具有挑战性。在本文中，我们提出了一个$\ell_1$ -惩罚高斯图模型的删失数据，并推导出两个EM类算法的推断。通过广泛的模拟研究，我们评估了所提出的算法的计算效率，并表明我们的建议克服了现有的竞争对手时，删失数据。我们将所提出的方法应用于来自微流控RT-qPCR技术的基因表达数据，以推断血液发育的调控机制。
2018-01-24 stat.ME
Inference After Selecting Plausibly Valid Instruments with Application to Mendelian Randomization
孟德尔随机化（MR）是遗传流行病学中的一种流行方法，通过使用遗传工具来估计暴露对结果的影响。这些仪器通常是从全基因组关联研究（GWAS）和数据驱动的仪器选择程序或测试的先验知识的组合中选择的。不幸的是，在测试曝光效应时，事先完成的仪器选择过程没有考虑在内。本文研究和强调的偏见，不占的工具选择过程中，集中在最近的数据驱动的工具选择程序，sisVIVE，作为一个例子。我们引入了一种条件推理方法，该方法以先验的仪器选择为条件，并利用选择性推理的最新进展来推导MR中暴露效应的流行检验统计量的条件零分布。零分布可以用个体水平或汇总水平来表征。我们表明，我们的条件置信区间来自条件零分布达到所需的名义水平，而典型的信心在MR中计算的时间间隔则没有。最后，我们使用UKBiobank的汇总数据重新分析了BMI对舒张压的影响。
2019-11-10 stat.AP stat.ME
Bivariate Causal Discovery and its Applications to Gene Expression and Imaging Data Analysis
遗传学、表观遗传学和影像学数据分析的主流研究集中在统计关联或探索变量之间的统计依赖性。尽管他们在遗传学研究方面取得了重大进展，但对复杂表型的病因和机制的理解仍然难以捉摸。关联分析作为复杂数据分析的主要分析平台，是制约基因组科学理论发展和实际应用的关键问题。因果推理是发现复杂表型之间的机械关系的重要组成部分。许多研究人员建议从关联过渡到因果关系。尽管因果推理在科学、工程和生物医学中起着重要作用，但传统的因果推理方法至少需要三个变量。然而，数量遗传分析，如QTL，eQTL，mQTL和基因组成像数据分析需要探索两个变量之间的因果关系。本文将重点讨论二元因果发现。我们将介绍原因和机制的独立性（ICM）作为因果推理的基本原则，算法信息论和加性噪声模型（ANM）作为双变量因果发现的主要工具。将进行大规模模拟以评估ANM用于双变量因果发现的可行性。为了进一步评估其因果推理的性能，ANM将被应用于基因调控网络的构建。此外，ANM将被应用到特质成像数据分析，以说明三种情况：存在因果关系和关联，存在关联而不存在因果关系，存在因果关系，而两个变量之间缺乏关联。
2018-05-10 q-bio.GN stat.ME
