Regularized estimation in sparse high-dimensional multivariate regression, with application to a DNA methylation study.
Regularized estimation in sparse high-dimensional multivariate regression, with application to a DNA methylation study.
复制标题
稀疏高维多元回归中的正则化估计及其在 DNA 甲基化研究中的应用
DOI：
10.1515/sagmb-2016-0073
复制
发表时间：
2017-07-26
影响因子：
0.9
通讯作者：
Liu L
中科院分区：
文献类型：
--
作者：
Zhang H;Zheng Y;Yoon G;Zhang Z;Gao T;Joyce B;Zhang W;Schwartz J;Vokonas P;Colicino E;Baccarelli A;Hou L;Liu L
摘要在这篇文章中，我们考虑相关的高维DNA甲基化标志物的变量选择作为多变量结果。提出了一种新的加权平方根LASSO方法来估计回归系数矩阵。该方法的一个关键特征是调谐不敏感性，通过避免惩罚参数选择的交叉验证，大大简化了计算。使用通过约束最小化方法获得的精度矩阵来解释多变量结果之间的受试者内相关性。导出了正则化估计量的Oracle不等式。我们所提出的方法的性能说明通过广泛的仿真研究。我们应用我们的方法来研究吸烟和规范老化研究（NAS）中的高维DNA甲基化标记之间的关系。
Abstract In this article, we consider variable selection for correlated high dimensional DNA methylation markers as multivariate outcomes. A novel weighted square-root LASSO procedure is proposed to estimate the regression coefficient matrix. A key feature of this method is tuning-insensitivity, which greatly simplifies the computation by obviating cross validation for penalty parameter selection. A precision matrix obtained via the constrained ℓ1 minimization method is used to account for the within-subject correlation among multivariate outcomes. Oracle inequalities of the regularized estimators are derived. The performance of our proposed method is illustrated via extensive simulation studies. We apply our method to study the relation between smoking and high dimensional DNA methylation markers in the Normative Aging Study (NAS).
登录
查看更多内容
影响因子：
4.5
作者：
Huang J;Ma S;Li H;Zhang CH
通讯作者：
Zhang CH
影响因子：
4.5
作者：
Mukherjee R;Pillai NS;Lin X
通讯作者：
Lin X
DOI：
10.1198/jcgs.2010.09188
发表时间：
2010
期刊：
Journal of computational and graphical statistics : a joint publication of American Statistical Association, Institute of Mathematical Statistics, Interface Foundation of North America
影响因子：
--
作者：
Rothman AJ;Levina E;Zhu J
通讯作者：
Zhu J
影响因子：
4.5
作者：
Cai, Tony;Yuan, Ming
通讯作者：
Yuan, Ming
影响因子：
4.5
作者：
Bradic J;Fan J;Jiang J
通讯作者：
Jiang J