A Multi-Omics Framework for Survival Mediation Analysis of High-Dimensional Proteogenomic Data
高维蛋白基因组数据的多组学生存中介分析框架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：摘要直接研究生存结局的因果中介效应及暴露到中介再到结局的因果路径。
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…
高维蛋白基因组数据的多组学生存中介分析框架
- 研究问题
- 当暴露和中介变量都具有高维结构、且分属不同组学层时，如何分析它们影响生存时间的因果路径并开展统计筛选？
- 方法与思路
- 作者提出 SMAHP，将加速失效时间模型引入多组学因果中介分析，同时处理高维暴露与中介，并通过模拟和癌症数据应用评估。
- 材料陈述的贡献
- 摘要称，该方法在所考察模拟中具有较高功效并控制错误发现率；应用识别出一条基因经蛋白影响生存时间的候选路径。
- 阅读关注点
- 应核对中介效应的定义、因果识别条件、删失处理、高维筛选步骤，以及错误发现率结论适用的场景和比较方法。
- 阅读边界
- 这是预印本，不能据此声称已同行评审或期刊接收。摘要未说明识别及删失假设，也未提供功效和错误发现率的具体数值。
原文摘要
Survival analysis plays a crucial role in understanding time-to-event (survival) outcomes such as disease progression. Despite recent advancements in causal mediation frameworks for survival analysis, existing methods are typically based on Cox regression and primarily focus on a single exposure or individual omics layers, often overlooking multi-omics interplay. This limitation hinders the full potential of integrated biological insights. In this paper, we propose SMAHP, a novel method for survival mediation analysis that simultaneously handles high-dimensional exposures and mediators, integrates multi-omics data, and offers a robust statistical framework for identifying causal pathways on survival outcomes. This is one of the first attempts to introduce the accelerated failure time (AFT) model within a multi-omics causal mediation framework for survival outcomes. Through simulations across multiple scenarios, we demonstrate that SMAHP achieves high statistical power, while effectively controlling false discovery rate (FDR), compared with two other approaches. We further apply SMAHP to the largest head-and-neck carcinoma proteogenomic data, detecting a gene mediated by a protein that influences survival time.