NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
MotivationMendelian randomization (MR), genetik verileri kullanarak nedensel çıkarım için yaygın olarak kullanılır, ancak mevcut MR yöntemlerinin çoğu pozlamaları statik olarak ele alır ve uzunlamasına ölçümleri analiz etme kapasitesi sınırlıdır. Birçok biyomedikal çalışmada, çoklu maruziyetler zamanla gelişir, güçlü bir şekilde ilişkilidir ve gözlemlenmemiş zamansal yapıyı paylaşır. Bu özellikleri göz ardı etmek kararsız tahminlere ve azalan güce yol açabilir.SonuçlarFactor-artırılabilir çok değişkenli fonksiyonel Mendel randomize (FA-MFMR) çoklu boylamsal maruziyetlerin zaman değişken nedensel etkilerini tahmin etmek için teklif ediyoruz. FA-MFMR, genetik enstrümanları pozlama yörüngelerinin fonksiyonel temsilleri ve paylaşılan zamansal kalıpları yakalamak için düşük boyutlu bir faktör yapısı ile birleştirir. Ortak zamansal varyasyonu maruziyete özgü bileşenlerden ayırarak, çoklu kollineerliği hafifletir, tahmin stabilitesini geliştirir ve bazı maruziyetlerin gözlem süresi boyunca hiçbir etkisi olmadığı seyrek nedensel yapıları barındırır. Simülasyonlar, özellikle yüksek korelasyonlu ve seyrek olarak gözlemlenen uzunlamasına pozlamalar için, rakip yaklaşımlardan daha düşük tahmin hatası ve daha verimli belirsizlik niceliği göstermektedir. Parkinson hastalığı kohortundaki uzunlamasına biyobelirteçlere uygulanan FA-MFMR, tahmini yörünge düzeyinde katsayı fonksiyonlarında yaşa bağlı kalıpları karakterize ederken, lokalize etkilerdeki belirsizliği vurgular. Kullanılabilirlik ve uygulamaTüm sonuçları çoğaltmak için geliştirilen R paketi ve kodu https://github.com/YQHuFD/FA-MFMR adresinde mevcuttur.
Özgün kaynak özetini okuyun
MotivationMendelian randomization (MR) is widely used for causal inference using genetic data, yet most existing MR methods treat exposures as static and have limited capacity to analyze longitudinal measurements. In many biomedical studies, multiple exposures evolve over time, are strongly correlated, and share unobserved temporal structure. Ignoring these features can lead to unstable estimation and reduced power.ResultsWe propose factor-augmented multivariable functional Mendelian randomization (FA-MFMR) for estimating time-varying causal effects of multiple longitudinal exposures. FA-MFMR integrates genetic instruments with functional representations of exposure trajectories and a low-dimensional factor structure to capture shared temporal patterns. By separating common temporal variation from exposure-specific components, it mitigates multicollinearity, improves estimation stability, and accommodates sparse causal structures in which some exposures have no effect throughout the observation period. Simulations demonstrate lower estimation error and more efficient uncertainty quantification than competing approaches, particularly for highly correlated and sparsely observed longitudinal exposures. Applied to longitudinal biomarkers in a Parkinson's disease cohort, FA-MFMR characterizes age-dependent patterns in the estimated trajectory-level coefficient functions while highlighting uncertainty in localized effects.Availability and implementationThe developed R package and code to reproduce all the results are available at https://github.com/YQHuFD/FA-MFMR.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.