高次元媒介分析のためのベイズ変数選択：疫学研究におけるメタボロミクスデータへの応用

科学分野:

• 生物統計学
• 疫学
• メタボロミクス

背景:

• 心血管代謝の健康は食事の影響を受け、血漿メタボロームがこの関係を媒介する可能性があります。
• 高次元オミクスデータを因果媒介のために分析することは、複雑なメディエーターの依存関係を含む統計的課題を提示します。

研究 の 目的:

• 高次元媒介分析のための新しいベイズフレームワークを提案すること。
• 食事と心血管代謝の健康研究における活性生物学的経路を特定し、間接効果を推定すること。

主な方法:

• メディエーターおよびアウトカムモデルにおける選択指標のための新しい事前分布を組み込んだベイズフレームワークを開発しました。
• メディエーターの相関関係を活用し、検出力を向上させるためにマルコフ確率場事前分布を利用しました。
• メディエーターおよび間接効果の同時選択のための逐次サブセット化事前分布を実装しました。

主要な成果:

• 提案されたベイズ法は、既存のアプローチと比較して、活性媒介経路を検出する上で優れた検出力を実証しました。
• シミュレーションは、間接効果の安定した解釈可能な推定と選択における方法の有効性を確認しました。

結論:

• 新しいベイズフレームワークは、オミクスデータにおける高次元媒介分析のための強力なツールを提供します。
• 実世界のメタボロミクスデータに適用すると、この方法は血漿メタボロームを介した食事と心血管代謝の健康の関連性を効果的に強調します。