A Zero-Inflated Beta Mixture Model for Marginal Mediation Analysis with Compositional Microbiome Mediators
用于组成型微生物组中介变量边际中介分析的零膨胀贝塔混合模型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：摘要明确在潜在结果框架中估计微生物组介导的边际因果效应。
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…
用于组成型微生物组中介变量边际中介分析的零膨胀贝塔混合模型
- 研究问题
- 微生物组资料同时存在大量零值、组成约束与潜在异质性，如何在这些特征下估计微生物组介导的边际因果效应？
- 方法与思路
- 作者在潜在结果框架下提出零膨胀贝塔混合模型，以零膨胀成分处理零值、贝塔混合描述非零相对丰度，并用 EM 算法估计。
- 材料陈述的贡献
- 摘要称，该方法在所设微生物组模拟情形下较现有方法估计更准确、推断更可靠，并通过真实研究展示实践用途。
- 阅读关注点
- 应核对边际中介效应的定义和识别条件、组成约束的处理、混合成分的解释，以及零值机制与模型错设的影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未说明完整中介识别假设、模拟设定或应用结果，优势仅为作者的摘要陈述。
原文摘要
The role of the microbiome in disease pathogenesis is an emerging field with strong evidence suggesting that dysbiosis is associated with precancerous and cancerous states. Microbiome data present substantial challenges for causal mediation analysis due to sparsity, compositional constraints, and latent heterogeneity. To address these issues, we propose a zero-inflated beta mixture (ZIBM) method for mediation analysis with compositional microbiome mediators. The proposed method accommodates excess zeros through a zero-inflation component and captures heterogeneity in non-zero relative abundances using a beta mixture distribution. Within the potential-outcomes framework, the ZIBM provides estimates of marginal microbiome-mediated causal effects, and model parameters are estimated using an expectation-maximization algorithm. Simulation studies demonstrate that the ZIBM yields more accurate estimation and reliable inference under conditions commonly observed in microbiome data, compared with existing approaches. An application to a real microbiome study further illustrates its practical utility. These results indicate that the proposed method provides a more flexible and robust statistical framework for mediation analysis involving compositional microbiome data.