Searching for consistent associations with a multi-environment knockoff filter
利用多环境 Knockoff 过滤寻找一致关联AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：核心是通用的跨环境条件关联筛选与错误发现率控制，因果推断仅为条件性动机，缺少对应细分的直接方法证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
利用多环境 Knockoff 过滤寻找一致关联
- 研究问题
- 如何从不同环境中筛选持续成立的条件关联并控制错误发现率，以减少混杂或抽样缺陷导致的误导性发现，特别是在遗传关联研究中？
- 方法与思路
- 作者基于模型 X 的 Knockoff 方法构建多环境过滤程序，寻找跨环境一致的条件关联，并以模拟和英国生物样本库数据展示应用。
- 材料陈述的贡献
- 摘要称，该方法能控制一致关联筛选的错误发现率，并说明跨祖源人群的一致性有助于减轻未测变异引起的混杂。
- 阅读关注点
- 应核对跨环境一致性的检验目标、Knockoff 构造所需分布信息与错误率保证，以及何种额外条件才能将一致关联解释为因果关系。
- 阅读边界
- 这是预印本，同行评审或期刊接收未经核实。摘要未列出分布与错误率控制条件；其因果解释仅在某些情形成立，不能将关联普遍视为因果。
原文摘要
This paper develops a method based on model-X knockoffs to find conditional associations that are consistent across diverse environments, controlling the false discovery rate. The motivation for this problem is that large data sets may contain numerous associations that are statistically significant and yet misleading, as they are induced by confounders or sampling imperfections. However, associations consistently replicated under different conditions may be more interesting. In fact, consistency sometimes provably leads to valid causal inferences even if conditional associations do not. While the proposed method is flexible and can be deployed in a wide range of applications, this paper highlights its relevance to genome-wide association studies, in which consistency across populations with diverse ancestries mitigates confounding due to unmeasured variants. The effectiveness of this approach is demonstrated by simulations and applications to the UK Biobank data.