A Statistical Framework for Co-Mediators of Zero-Inflated Single-Cell RNA-Seq Data
零膨胀单细胞 RNA 测序数据的共同中介统计框架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：摘要明确将单细胞数据用于因果中介分析，研究表达水平与表达比例介导疾病路径的作用。
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…
零膨胀单细胞 RNA 测序数据的共同中介统计框架
- 研究问题
- 高维单细胞表达数据同时存在零膨胀和复杂中介结构时，如何分析表达水平与表达细胞比例参与疾病路径的中介作用？
- 方法与思路
- 作者以零膨胀负二项模型描述细胞层面的中介分布，并用贝塔回归建模零膨胀比例，构建共同中介分析框架。
- 材料陈述的贡献
- 摘要称框架可识别表达水平与表达比例的中介作用，模拟显示功效改善及错误发现率控制，转录组应用发现相关中介效应。
- 阅读关注点
- 核对共同中介效应的定义、因果识别假设、细胞与个体层面的依赖处理，以及高维检验的错误发现率控制条件。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明完整因果假设、依赖结构和生物学效应验证方式。
原文摘要
Single-cell RNA sequencing (scRNA-seq) has revolutionized the study of cellular heterogeneity, enabling detailed molecular profiling at the individual cell level. However, integrating high-dimensional single-cell data into causal mediation analysis remains challenging due to zero inflation and complex mediator structures. We propose a novel mediation framework leveraging zero-inflated negative binomial models to characterize cell-level mediator distributions and beta regression for zero-inflation proportions. The model can identify expression level as well as expressed proportion that could mediate disease-leading causal pathway. Extensive simulation studies demonstrate improved power and controlled false discovery rates. We further illustrate the utility of this approach through application to ROSMAP single-cell transcriptomic data, uncovering biologically meaningful mediation effects that enhance understanding of disease mechanisms.