Bayesian variable selection in a Cox proportional hazards model with the "Sum of Single Effects" prior
采用单效应之和先验的 Cox 比例风险模型贝叶斯变量选择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：摘要聚焦遗传精细定位和生存模型变量选择，所列经济学细分方向没有直接对应项。
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…
采用单效应之和先验的 Cox 比例风险模型贝叶斯变量选择
- 研究问题
- 在遗传精细定位中，如何对生存结局进行贝叶斯变量选择，同时处理高度相关的协变量以及大量变量和样本带来的计算挑战？
- 方法与思路
- 作者将单效应之和方法扩展到 Cox 比例风险模型，形成 CoxPH-SuSiE，并通过模拟精细定位数据和英国生物样本库哮喘数据评估。
- 材料陈述的贡献
- 摘要称，新方法在模拟中较现有生存变量选择方法具有优势，并在哮喘应用中识别风险变异，其中部分具有较高后验纳入概率。
- 阅读关注点
- 应核对先验、后验计算与比例风险设定，检查高度相关变量下的不确定性表达，并区分后验纳入概率、精细定位与生物因果证据。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未说明删失及计算近似条件，较高后验纳入概率不能单独确证变异的因果作用。
原文摘要
Motivated by genetic fine-mapping applications, we introduce a new approach to Bayesian variable selection regression (BVSR) for time-to-event (TTE) outcomes. This new approach is designed to deal with the specific challenges that arise in genetic fine-mapping, including: the presence of very strong correlations among the covariates, often exceeding 0.99; very large data sets containing potentially thousands of covariates and hundreds of thousands of samples. We accomplish this by extending the "Sum of Single Effects" (SuSiE) method to the Cox proportional hazards (CoxPH) model. We demonstrate the benefits of the new method, "CoxPH-SuSiE", over existing BVSR methods for TTE outcomes in simulated fine-mapping data sets. We also illustrate CoxPH-SuSiE on real data by fine-mapping asthma loci using data from UK Biobank. This fine-mapping identified 14 asthma risk SNPs in 8 asthma risk loci, among which 6 had strong evidence for being causal (posterior inclusion probability greater than 50%). Two of the 6 putatively causal variants are known to be pathogenic, and others lie within a genomic sequence that is known to regulate the expression of GATA3.