Convex Estimation of Gaussian Graphical Regression Models with Covariates
含协变量的高斯图回归模型的凸估计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：摘要核心是含协变量的高斯图模型与条件独立结构估计，属于网络与干扰方向的方法性研究。
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…
关注这篇论文的作者
含协变量的高斯图回归模型的凸估计
- 研究问题
- 如何在协变量同时影响均值与精度矩阵时，联合估计协变量调整后的均值与精度矩阵，并在高维设定下获得理论保证。
- 方法与思路
- 作者提出对多元高斯似然采用一种自然参数化，使均值与精度矩阵的联合估计转化为凸优化问题，并在协变量稀疏性与维度随样本量增长的设定下给出理论结果，辅以数值模拟与两组实证再分析。
- 材料陈述的贡献
- 摘要称该框架实现了联合凸优化，并在高维渐近下给出改进的理论保证；同时通过胶质母细胞瘤 eQTL 研究再分析与饮食对肠道微生物组影响的分析展示实用性。
- 阅读关注点
- 应核对自然参数化的具体形式、凸性成立的条件、高维理论所需的正则性与稀疏假设，以及模拟与实证中协变量效应的设定和识别方式。
- 阅读边界
- 仅依据摘要，无法判断定理的具体条件、估计量收敛速率、模拟表现与实证结论的稳健性；摘要未说明与既有协变量调整方法的量化比较。该文为 arXiv 预印本，未经同行评审验证。
原文摘要
Gaussian graphical models (GGMs) are widely used to recover the conditional independence structure among random variables. Recent work has sought to incorporate auxiliary covariates to improve estimation, particularly in applications such as co-expression quantitative trait locus (eQTL) studies, where both gene expression levels and their conditional dependence structure may be influenced by genetic variants. Existing approaches to covariate-adjusted GGMs either restrict covariate effects to the mean structure or lead to nonconvex formulations when jointly estimating the mean and precision matrix. In this paper, we propose a convex framework that simultaneously estimates the covariate-adjusted mean and precision matrix via a natural parametrization of the multivariate Gaussian likelihood. The resulting formulation enables joint convex optimization and yields improved theoretical guarantees under high-dimensional scaling, where the sparsity and dimension of covariates grow with the sample size. We support our theoretical findings with numerical simulations and demonstrate the practical utility of the proposed method through a reanalysis of an eQTL study of glioblastoma multiforme and an analysis of diet on the human gut microbiome.