Quantification and cross-fitting inference of asymmetric relations under generative exposure mapping models
生成式暴露映射模型中非对称关系的量化与交叉拟合推断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：摘要将方法定位为双变量因果发现，并研究生成关系的方向性与因果含义，因此归入因果推断；未提供网络干扰依据。
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
生成式暴露映射模型中非对称关系的量化与交叉拟合推断
- 研究问题
- 在没有预设变量先后顺序时，如何量化双变量关系的方向非对称性，并对这种方向性指标进行不确定性推断？
- 方法与思路
- 作者在确定性及含噪声的生成式暴露映射模型中，以香农熵构造非对称系数，结合样本分割、交叉拟合及傅里叶密度估计。
- 材料陈述的贡献
- 摘要称，方法提供大样本保证并容纳结果测量污染；模拟表现优于比较方法，表观遗传应用提示甲基化与血压相关的新通路。
- 阅读关注点
- 应核对生成函数及噪声条件、熵指标的方向解释、交叉拟合推断的适用范围，以及测量污染和因果混杂如何影响结论。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未给出完整因果识别条件，方向非对称性本身不能确认真实因果机制。
原文摘要
Learning directionality between variables is crucial yet challenging, especially for mechanistic relationships without a priori ordering assumptions. We propose a coefficient of asymmetry to quantify directional asymmetry using Shannon's entropy within a generative exposure mapping (GEM) framework. GEMs arise from experiments where a generative function $g$ maps exposure $X$ to outcome $Y$ through $Y = g(X)$, extended to noise-perturbed GEMs as $Y = g(X) + ε$. Our approach considers a rich class of generative functions while providing statistical inference for uncertainty quantification - a gap in existing bivariate causal discovery techniques. We establish large-sample theoretical guarantees through data-splitting and cross-fitting techniques, implementing fast Fourier transformation-based density estimation to avoid parameter tuning. The methodology accommodates contamination in outcome measurements. Extensive simulations demonstrate superior performance compared to competing causal discovery methods. Applied to epigenetic data examining DNA methylation and blood pressure relationships, our method unveils novel pathways for cardiovascular disease genes \emph{FGF5} and \emph{HSD11B2}. This framework serves as a discovery tool for improving scientific research rigor, with GEM-induced asymmetry representing a low-dimensional imprint of underlying causality