Searching for robust associations with a multi-environment knockoff filter
利用多环境knockoff筛选寻找稳健关联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。
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：摘要的直接目标是跨环境条件关联筛选；因果推断仅被描述为特定条件下的可能解释，分类证据不足。
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筛选寻找稳健关联
- 研究问题
- 如何识别在不同环境中一致存在的条件关联，同时控制错误发现率，以减少混杂或抽样缺陷造成的误导性发现？
- 方法与思路
- 作者基于model-X knockoff构建多环境筛选方法，考察跨环境关联的一致性，并通过模拟和UK Biobank数据应用评估。
- 材料陈述的贡献
- 摘要称，方法在控制错误发现率的同时筛选跨环境稳定关联，并展示其在不同祖源人群的全基因组关联研究中的用途。
- 阅读关注点
- 应核对稳定关联的零假设、各环境的knockoff分布要求、错误发现率控制范围，以及关联一致性何时能够支持因果解释。
- 阅读边界
- 仅据所给Crossref摘要，无法判断完整分布要求与因果条件；跨环境关联一致本身不能保证因果识别，摘要未给出相关具体条件。
原文摘要
Summary In this article we develop a method based on model-X knockoffs to find conditional associations that are consistent across environments, while controlling the false discovery rate. The motivation for this problem is that large datasets may contain numerous associations that are statistically significant and yet misleading, as they are induced by confounders or sampling imperfections. However, associations replicated under different conditions may be more interesting. In fact, sometimes consistency provably leads to valid causal inferences even if conditional associations do not. Although the proposed method is widely applicable, in this paper we highlight its relevance to genome-wide association studies, in which robustness across populations with diverse ancestries mitigates confounding due to unmeasured variants. The effectiveness of this approach is demonstrated by simulations and applications to UK Biobank data.