Supervised Low-Rank Structure Discovery for Developmental Epigenetic Aging in Ultra-High-Dimensional DNA Methylation Data
超高维DNA甲基化数据中发育表观遗传衰老的监督低秩结构发现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：摘要聚焦统计方法开发与表观遗传学应用，未涉及所提供领域细分中的因果推断、面板、因子模型或金融计量等方向，故不选择任何细分领域。
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…
超高维DNA甲基化数据中发育表观遗传衰老的监督低秩结构发现
- 研究问题
- 摘要称，研究关注在超高维阵列CpG甲基化研究中，如何同时实现监督式结构发现、可解释性、可扩展的潜在维度识别与计算可行性，并识别与残差化DNAm年龄相关的CpG水平甲基化结构。
- 方法与思路
- 作者提出SOLAR，将正交低秩回归与惩罚最大后验表述结合，采用维度自适应BIC型惩罚和跨维模拟退火策略自动选择潜在秩，并给出可识别性、固定秩恢复与秩选择一致性等理论保证，同时设计高效优化策略。
- 材料陈述的贡献
- 摘要称，模拟研究显示秩恢复稳定、监督信号恢复具竞争力且可扩展至p=10^7；在GUSTO出生队列纵向EPIC数据（n=1051，约86万CpG）中，识别出超越实际年龄的异质监督甲基化结构及生物学上连贯的CpG特征与富集模式。
- 阅读关注点
- 应核对理论保证所需的正则条件、秩选择一致性的具体形式、模拟设计是否覆盖真实相关结构，以及GUSTO分析中残差化DNAm年龄的构造方式、混杂控制与富集结果的稳健性。
- 阅读边界
- 仅依据摘要，无法判断方法在真实数据中的因果解释、生物学机制、与既有方法的全面比较，以及理论假设是否在实际数据中成立；摘要未说明具体效应量、置信区间与敏感性分析细节。
原文摘要
Ultra-high-dimensional array-based CpG methylation studies require statistical frameworks that simultaneously provide supervised structure discovery, interpretability, scalable latent-dimension identification, and computational feasibility. We propose SOLAR (Supervised Orthogonal Low-rank Adaptive Regression), a supervised low-rank latent-factor framework for identifying CpG-level methylation structure associated with residualized DNAm age. SOLAR combines orthogonal low-rank regression with a penalized maximum a posteriori formulation, dimension-adaptive BIC-type penalization, and a trans-dimensional simulated-annealing strategy for automatic latent-rank selection, together with theoretical guarantees including identifiability, fixed-rank recovery, and rank-selection consistency under suitable regularity conditions. The framework additionally incorporates computationally and memory-efficient optimization strategies demonstrating scalability up to $p=10^7$, while analyses at $p=10^6$ remain feasible on standard desktop computing environments. Simulation studies demonstrate stable rank recovery, competitive supervised signal recovery, and strong scalability across moderate-, high-, and ultra-high-dimensional regimes. Using longitudinal EPIC-array CpG methylation data from the GUSTO birth cohort, comprising $n=1051$ methylation profiles collected across infancy and early childhood with approximately 860,000 assayed CpGs per sample, SOLAR identifies heterogeneous supervised methylation structure associated with residualized DNAm age beyond chronological age alone, together with biologically coherent CpG signatures and enrichment patterns.