技術要約：一般的な補完を用いた非単調欠測下での効率的な推論に向けて

1. 問題設定

本論文は、非単調欠測（nonmonotone missingness、別名：ブロック単位の欠測）が存在する場合のパラメータ推定と推論における課題に取り組んでいる。この設定では、異なるユニットが、任意かつ入れ子状ではない変数の部分集合（モダリティ）を観測する。これは、現代のマルチオミクス研究、電子健康記録（EHR）、および大規模調査において一般的なシナリオである。

標準的なアプローチには、主に2つの限界がある：

1. **完全ケース解析（Complete-case analysis）**は、不完全なデータを持つユニットを破棄するため、膨大な情報を無駄にし、効率性を低下させる可能性がある。
2. 直接的な補完（Direct imputation）（欠測値を代入すること）は、補完モデルが誤設定されていたりバイアスがあったりする場合、有効な不確実性定量化や効率性を維持できないことが多い。

本研究の目的は、すべての観測パターンから情報を組み合わせることで、一般的な補完関数（誤設定やバイアスがある可能性のあるもの）および**欠測が完全にランダム（MCAR）**であるメカニズムの下で、セミパラメトリックな効率性を維持しつつ、妥当性を確保することである。また、**欠測がランダム（MAR）**である状況への拡張についても検討を行う。

2. 手法

2.1 理論的枠組み

著者らは、この問題をセミパラメトリック理論の枠組みで捉えている。$Z$ をフルデータベクトルとし、フルデータの推定方程式 $E_P[\psi_F(Z, \theta^*)] = 0$ によって定義されるターゲットパラメータを $\theta^*$ とする。MCARの下では、セミパラメトリック効率的推定関数は $\psi_{opt} = L\{M^{-1}[\psi_F]\}$ で与えられる。ここで、$M$ と $L$ はパターン固有の条件付き期待値から構成される線形作用素である。しかし、逆作用素 $M^{-1}$ は、複数のパターンにわたる条件付き期待値の複雑な合成を含むため、一般に計算が困難（intractable）となる。

2.2 RAY分解

$M^{-1}$ の計算困難性を克服するために、著者らは**制限的ANOVA階層（Restricted ANOVA hierarchY: RAY）**を導入した。

• 関数分解： RAYは、観測されたパターン集合 $\mathcal{Q}$ に制限された包含排除原理を用いて、任意の関数 $f$ を一連の成分 $P_s(f)$ へと分解する。
• 近似固有構造： MCARの下では、作用素 $M$ はこれらの成分 $P_s(f)$ に対して、「準固有作用素（almost-eigen-operator）」として作用する：$M[P_s(f)] = \lambda_s P_s(f) + \text{Rem}_s(f)$。ここで $\lambda_s = P(R \supseteq s)$ は、ユニットが集合 $s$ に含まれる少なくともすべてのモダリティを観測する確率である。残差項 $\text{Rem}_s$ は、非入れ子状のパターン間の条件付き期待値の合成を含む。
• 閉形式近似： 残差項を無視し（これらは特定の構造的条件下で消失する）、パターン間の交差的な合成を除外することで、著者らは $M^{-1}$ に対する扱いやすく、閉形式（closed-form）の近似を導出した。これにより、RAY推定関数が得られる：
  $$\psi(R, Z_R, \theta^*) = \frac{I(R=[p])}{\pi_{[p]}} \psi_F(Z, \theta^*) + \sum_{r \in \mathcal{Q}, r \neq [p]} \omega_r A_r[\psi_F(Z, \theta^*)]$$
  ここで、$\omega_r$ はパターン確率から導出される閉形式の重みである。

2.3 推定量の構築とチューニング

• 一般的な補完： 項 $A_r[\psi_F]$ は、観測パターン $r$ が与えられたときの推定関数の条件付き期待値を表す。実際には、これは予測モデル（ニューラルネットワークなど）やモンテカルロ近似である補完関数 $F_r(Z_r; \theta)$ に置き換えられる。重要な点は、MCARの下では、RAYの重みは平均ゼロであり、補完関数とは独立しているため、補完モデルが誤設定されていても、推定量の不偏性が保証されることである。
• セーフガード・チューニング： 効率性を向上させるために、各補完関数に対してチューニングパラメータ $\alpha_r$ を導入する。この推定量は、推定された分散基準を最小化するように重みが調整される、サンプル校正された方程式を解く。
• 適応的RAY（aRAY）： RAYと既存の補完型推論（IPI）手法のどちらも一様に他方を支配することはないという認識に基づき、著者らは両者を特殊なケースとして含む、より広範なクラスの推定量を提案する。**適応的RAY（aRAY）**推定量は、このクラス内でチューニングパラメータを最適化し、漸近分散を最小化する。

2.4 MARへの拡張

本論文では、RAYをMARの設定へ拡張することを検討している。

• 直接的な拡張： 直接的な形式のMAR用重みは存在するが、一般に観測されていないモダリティに依存するため、観測データによる推定量としては実行不可能である。
• 投影による拡張： 末端の傾向（tail propensities）を観測されたモダリティ上に投影することで、実行可能な推定量が構築される。しかし、これは「投影された末端傾向」という摂生変数（nuisance）を生じさせる。著者らは、この摂生変数を推定することが、第1次においてターゲット方程式に寄与することを示している。スタック推定（stacked estimation）を利用して、摂生変数が $\sqrt{N}$ 一致するパラメトリック推定量を備えている場合、正規な推論が可能となる。

3. 主な貢献

1. 閉形式の効率的近似： 本論文は、反復的な手順や入れ子状の回帰を必要とせずに、任意の非単調欠測パターン（MCAR）に対するセミパラメトリック効率的推定量の、計算可能な閉形式の近似を提供している。
2. 補完に頑健な妥当性： 提案されたRAY推定量は、柔軟な機械学習モデルが誤設定されていたりバイアスがあったりする場合でも、任意の独立な補完関数に対して妥当である。MCARの下での重みの平均ゼロ特性によって、この妥当性が保証される。
3. 適応的な効率性： RAYとIPIを包含するより大きなクラスの中に、両者を組み込んだ適応的RAY（aRAY）を導入することで、そのクラス内での最小漸近分散の達成を可能にした。
4. 厳密性の条件と効率性の境界：
   • 著者らは、RAYが効率性の下限に達するための必要十分条件として、パターンごとの残差が消失することを示した。
   • 以下の厳密な条件を特定した：(i) 交差閉じた観測パターンかつモダリティが独立である場合、(ii) 依存関係があってもパターンが単調である場合、(iii) アンカーされたパターンであり、非コアのモダリティが条件付き独立である場合。
   • これらの条件が満たされない場合、効率性のギャップは、相関因子（重複するパターンのプライベートなモダリティ間の依存関係に起因）と、構造的因子（必要なパターンの交差の欠如に起因）という、解釈可能な2つの要因によって制限される。
5. MAR拡張の分析： 一般的なMARへのRAYの拡張における理論的な障害を明らかにし、特に「投影された末端傾向」の役割と、$\sqrt{N}$ 推論の要件を特定した。

4. 結果

4.1 シミュレーション研究

著者らは4つのシミュレーション実験を実施した：

• サンプルサイズの変動： RAYおよびaRAYは、完全ケース（CC）および予測型推論（PPI++）推定量と比較して、公称95%の被覆率を維持しながら、一貫してRMSE（平方根平均二乗誤差）と信頼区間の幅を減少させた。
• 補完の質の変動： 推定量は頑健性を示した。補完の質が純粋なノイズまで低下しても、チューニングされた推定量は自動的にCC推定量の性能へと戻った。これは、セーフガード・チューニングの有効性を示している。
• 線形回帰： 低次元の回帰設定において、RAY、IPI、およびaRAYは、CCに対して6〜10%のRMSE減少、および12〜18%の分散減少を達成した。
• 感度分析： 制御されたMARおよびMNARからの逸脱下では、MCARベースの推定量はバイアスと被覆率の低下を示した。劣化の程度は、欠測メカニズムの違反の強さに比例して増大した。

4.2 シングルセル・マルチオミクスへの適用

本手法は、異なるアッセイ（DOGMA-seq、CITE-seq、ASAP-seq）がRNA、ATAC、およびADTの異なる組み合わせを提供するシングルセル・データにおける、平均表面タンパク質存在量（ADT）の推定に適用された。

• セットアップ： RNAおよび/またはATACからADTを予測するように事前学習されたニューラルネットワークを使用し、ランダム化された欠測パターンを持つベンチマークデータセット上で、RAYフレームワーク内の補完関数として使用した。
• パフォーマンス： 増強された推定量（RAY、IPI、aRAY）は、完全ケース推定量よりも低い絶対誤差を達成した。aRAY推定量は一貫して最も効率的であり、高発現タンパク質において、完全ケースのアプローチと比較して信頼区間の長さを最大35%短縮した。

5. 意義と主張

本論文は、ブロック単位の欠測データが一般的になりつつある設定において、効率的な推論のための実践的かつ理論的に裏付けられた解決策を提供すると主張している。その意義は以下の通りである：

• 理論と実践の架け橋： 抽象的なセミパラメトリック効率境界を、複雑な反復アルゴリズムを必要としない、実装可能な閉形式の推定量へと変換した。
• 頑健性： 推論の妥当性を補完モデルの正確性から切り離しており、これは誤設定の可能性がある柔軟な機械学習モデルを使用する際に極めて重要な特徴である。
• 効率性の向上： 不完全な補完であっても、任意の欠測パターンから情報を組み合わせることが、完全ケース解析に対して大幅な効率性の向上をもたらすことを示している。
• 限界の明確化： 著者らは、この閉形式の利点が根本的にMCARの結果であることを謙虚に認めている。一般的なMARの下では、正規な推論を実現するために、特定のパラメトリックな仮定や直交化技術が必要となり、これは今後の課題として残されている。

著者らは、構造的な結果（厳密性の条件）と効率性の境界を示すことが、複雑な欠測構造に対処する実務家にとって、手法が「いつ」「なぜ」機能するかについての診断的な枠組みを提供することを強調している。