Multimodal neuroimaging data integration and pathway analysis.
Multimodal neuroimaging data integration and pathway analysis.
复制标题
多模态神经影像数据整合与路径分析。
DOI：
10.1111/biom.13351
复制
发表时间：
2021-09
期刊：
影响因子：
1.9
通讯作者：
Caffo BS
中科院分区：
文献类型：
--
作者：
Zhao Y;Li L;Caffo BS
随着技术的进步，在一组共同的主题上收集多种类型的测量结果正在成为科学中的常规。一些值得注意的例子包括用于同时调查大脑结构和功能的多模式神经成像研究以及用于结合遗传和基因组信息的多组学研究。多模态数据的综合分析使科学家能够询问新的机械问题。然而，数据收集和综合假设的生成速度超过了多模态测量联合分析的可用方法。在这篇文章中，我们研究了调解分析的背景下，高维多模态数据集成。我们的目标是了解不同的数据模式发挥的作用，作为可能的介质之间的途径暴露变量和结果。我们提出了一个调解模型框架，两种数据类型作为独立的调解员集，并开发了一个惩罚优化方法的参数估计。我们研究的理论性质的估计，通过渐近分析和有限样本的性能，通过模拟。我们说明了我们的方法与多模态脑通路分析具有结构和功能的连接性作为中介在性别和语言处理之间的关联。
With advancements in technology, the collection of multiple types of measurements on a common set of subjects is becoming routine in science. Some notable examples include multimodal neuroimaging studies for the simultaneous investigation of brain structure and function and multi-omics studies for combining genetic and genomic information. Integrative analysis of multimodal data allows scientists to interrogate new mechanistic questions. However, the data collection and generation of integrative hypotheses is outpacing available methodology for joint analysis of multimodal measurements. In this article, we study high-dimensional multimodal data integration in the context of mediation analysis. We aim to understand the roles that different data modalities play as possible mediators in the pathway between an exposure variable and an outcome. We propose a mediation model framework with two data types serving as separate sets of mediators and develop a penalized optimization approach for parameter estimation. We study both the theoretical properties of the estimator through an asymptotic analysis and its finite-sample performance through simulations. We illustrate our method with a multimodal brain pathway analysis having both structural and functional connectivity as mediators in the association between sex and language processing.
登录
查看更多内容
影响因子：
7.6
作者：
BARON, RM;KENNY, DA
通讯作者：
KENNY, DA
影响因子：
2
作者：
Wang, Wei;Nelson, Suchitra;Albert, Jeffrey M.
通讯作者：
Albert, Jeffrey M.
DOI：
10.1146/annurev-statistics-041715-033506
发表时间：
2016-06
影响因子：
7.9
作者：
Richardson S;Tseng GC;Sun W
通讯作者：
Sun W
影响因子：
5
作者：
Caffo, Brian;Chen, Sining;Schwartz, Brian S.
通讯作者：
Schwartz, Brian S.
DOI：
10.1016/j.nicl.2018.05.023
发表时间：
2018
期刊：
NeuroImage. Clinical
影响因子：
--
作者：
Ficek BN;Wang Z;Zhao Y;Webster KT;Desmond JE;Hillis AE;Frangakis C;Vasconcellos Faria A;Caffo B;Tsapkini K
通讯作者：
Tsapkini K