📊 统计学

Mediator Selection in Linear and Nonlinear Mediation Analysis via Adaptive Measurement Errors Infusion

本文提出了一种自适应测量误差注入框架，该框架通过评估受控扰动下的路径退化来量化中介变量的重要性，为在信号微弱或存在相互作用的线性及非线性系统中选择中介变量提供了一种稳健的方法。

原作者： Chen Liang, Wen Zhou, Mengling Liu

发布于 2026-10-27

📖 1 分钟阅读☕ 轻松阅读

原作者： Chen Liang, Wen Zhou, Mengling Liu

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在人类健康研究领域，科学家们不仅常问某种疾病是由什么引起的，还常问它是如何发生的。想象这样一个连锁反应：一段艰难的童年经历导致了身体化学成分的变化，而这种变化反过来又导致了成年后的特定健康结果。这个中间步骤——即化学变化——被称为“中介变量”（mediator）。理解这些中介变量至关重要，因为它们揭示了疾病隐藏的运作机制，为预防和治疗提供了线索。然而，现代科学使这项任务变得异常困难。随着新技术的出现，研究人员现在可以同时测量数十万个潜在的化学标记。面对如此庞大的候选名单，寻找其中真正起作用的少数几个，就像是在一大堆乱七八糟的杂物中寻找几把特定的钥匙。当原因、中间步骤与最终结果之间的关系不是一条直线，而是一个复杂的曲线或相互作用的网络时，挑战便更加严峻，因为简单的工具无法洞察其中的奥秘。

纽约大学的一个研究小组开发出一种新方法来穿透这种复杂性。他们创建了一种方法，能够从数以千计的潜在中介变量中，筛选出那些在“因果链”和“最终结果”中都真正活跃的变量。他们的方法基于一个巧妙的想法：与其试图直接测量连接的强度，不如故意削弱它，看看会发生什么。他们将候选名单中的每一个潜在中介变量逐一引入受控程度的“噪声”或人工误差，然后观察整个疾病过程的模型在多大程度上崩溃。如果向某个特定标记添加噪声会导致整个系统失去解释数据的能力，那么该标记很可能是一个真实且活跃的中介变量。如果系统几乎察觉不到噪声的影响，那么该标记可能只是一个干扰项。

研究人员首先在关系较为直观且呈线性关系的场景中测试了这个想法。在这些测试中，他们的方法表现得与现有的最佳工具一样出色，但在处理数据杂乱或变量之间存在相关性的情况时，展现出了明显的优势。更重要的是，他们将该方法扩展到了关系并非直线的场景。在现实世界中，生物效应往往呈现曲线状，或者以意想不到的方式相互作用。该团队调整了技术，使用一种被称为“核回归”（kernel regression）的灵活数学工具，这种工具可以根据复杂的模式进行弯曲和扭转，而无需预先知道曲线的形状。在模拟实验中，这种新的灵活方法在寻找通过曲线关系或相互作用（例如两个标记共同作用产生单个标记无法单独产生的效果）起作用的中介变量方面，远优于旧有的工具。

为了验证这是否适用于真实的人类数据，研究人员将他们的方法应用于一项涉及童年创伤与成人压力反应的研究。他们观察了基因组中数百个甚至数万个位点的 DNA 甲基化过程——这是一种可以开启或关闭基因的化学过程。其目标是找出哪些特定位点充当了早期生活创伤与成年后身体对压力反应之间的桥梁。使用他们的线性方法，他们识别出了八个特定位点，其中几个曾被使用不同技术的研究所标记。使用他们新的灵活方法，他们发现了三个位点，其中包括一个此前已被报道过的位点，以及另一个新发现的位点。该方法既能找回已知发现，又能发现新发现的事实，表明它是应对现代生物学高维数据的稳健工具。

这项工作并不声称解决了寻找每一个成因的问题，也不证明这些标记就是压力反应的决定性原因。相反，它提供了一种实用且有原则的方法，用于优先筛选候选对象。通过专注于那些对链条的起始和终点都至关重要的变量，并能够处理复杂的非线性关系，该方法帮助研究人员将研究范围从数千种可能性缩小到一份最具前景的、可控的名单。这使得科学家能够将资源集中在最有可能真实的机制上，推动该领域更接近于理解连接我们过去经历与未来健康的复杂路径。

技术摘要：通过自适应测量误差注入进行线性与非线性中介分析中的中介变量选择

问题陈述
中介分析旨在研究暴露如何通过中介变量影响结果的机制。在高维设置（如基因组学）中，研究人员经常面临在估计效应之前，从大量候选变量中筛选出活跃中介变量的挑战。现有的选择方法主要依赖于线性结果模型中的基于系数的正则化（例如 HIMA、HDMA、RegSEM）。这些方法面临显著的局限性：

线性假设： 它们难以处理中介变量与结果之间的非线性关系，例如二次剂量反应模式或中介变量之间的交互作用。
微弱或不平衡的信号： 仅对结果模型进行惩罚的方法，在当中介信号较弱或在中介-暴露（ $X \to M$ ）与中介-结果（ $M \to Y$ ）路径之间分布不均时，可能会导致较高的假阴性率。
交互复杂性： 基于系数的惩罚往往会遗漏那些其相关性取决于复杂结构（如暴露-中介或中介-中介交互作用）的中介变量。

方法论
作者提出了一种基于**测量误差建模（Measurement Error Modeling, MEM）**原理的多中介变量选择框架。该方法并非直接惩罚系数，而是通过观察当人为地对中介变量注入受控的人造测量误差时，联合中介系统的拟合优度下降程度，来量化一个中介变量的重要性。

该框架分为两个阶段运行，以确保中介变量在暴露-中介（ $X \to M$ ）和中介-结果（ $M \to Y$ ）两条路径中均具有相关性：

第一阶段（广泛筛选）： 优化联合 MEM 选择似然函数，以识别包括仅在单一路径中活跃的“半中介变量”在内的更广泛候选集。
第二阶段（精炼）： 分别优化暴露-中介和中介-结果组件。最终的集合是两条路径特定选择的交集，从而确保保留的变量对两条路径均有贡献。

文中介绍了两种具体的实现方式：

自适应线性 MEM：
- 假设线性中介系统为 $M = \alpha X + \epsilon_m$ 且 $Y = \beta_x X + \beta_m' M + \epsilon_y$ 。
- 向每个中介变量 $M_j$ 注入独立的高斯测量误差，其方差为 $1/\lambda_j$ 。
- 在各个中介变量之间分配一个受约束的“精度预算”（ $\sum \bar{w}_j \lambda_j \le \tau$ ）。
- 使用基于初步估计的系数乘积（ $|\hat{\alpha}_j \hat{\beta}_{mj}|$ ）的自适应权重（ $\bar{w}_j$ ）。具有较强初步信号的中介变量会被分配较小的权重，从而保留更多精度（更少的误差），进而被选中。
- 选择过程由估计精度（ $\hat{\lambda}_j$ ）的排名驱动，通过 L-BFGS 进行优化，并通过插件式 BIC 型准则进行模型选择。
自适应核 MEM（针对非线性）：
- 将 MEM 原理扩展到非线性中介-结果关系（ $Y = h(X, M) + \epsilon_y$ ），且无需指定 $h(\cdot)$ 的具体形式。
- 保留线性的暴露-中介模型，但在结果模型中，将误差精度替换为核回归框架（MEKRO）中特定于中介变量的逆带宽（ $\lambda_j$ ）。
- 核函数定义为 $K_\lambda(z, z') = K_X(x, x') \prod_{j=1}^p \exp(-\lambda_j^2 (m_j - m'_j)^2 / 2)$ 。
- 机制： 过度平滑（大带宽，小 $\lambda_j$ ）一个具有信息量的坐标会显著降低模型拟合度，而过度平滑一个无关坐标则影响甚微。
- 自适应权重： 利用暴露-中介回归的样本内 $R^2$ 以及从中介变量中移除后核岭回归的结果的变化量来构建。
- 选择过程涉及求解一个最小化预测误差的约束优化问题，随后通过剪枝和广义交叉验证（GCV）来选择最优预算 $\tau$ 。

核心贡献

新的选择原则： 作者通过定义中介变量相关性对受控扰动（误差注入）的敏感度，而非直接通过系数惩罚来定义。
联合路径整合： 线性 MEM 程序通过联合似达实现对两条路径信息的整合，提供了一种自适应误差分配机制，这在信号微弱或不平衡时特别有效。
非线性扩展： 核 MEM 扩展能够处理非线性及交互式的中介-结果结构，且无需预先指定函数形式，填补了现有基于系数方法的空白。

结果

线性模拟（设置 S1）： 线性 MEM 程序与既有方法（HIMA、HDMA、RegSEM）具有同等的竞争力。当中介变量残差相关（ $\rho=0.5$ ）时，它比竞争对手表现出微弱优势，这可能归功于对多个中介变量的联合建模。它能有效区分真实的中介变量与无效变量，但与其他方法一样，偶尔会保留“仅暴露相关”的半中介变量。
非线性模拟（设置 S2–S4）：
- 二次效应（S2）： 核 MEM 在选择具有二次效应（如 $M_1^2$ ）的中介变量方面，显著优于线性方法和通用的核岭回归（KRR）重要性基准。
- 交互作用（S3, S4）： 核 MEM 在检测涉及暴露-中介（ $X \times M$ ）和中介-中介（ $M_1 \times M_4$ ）交互作用的中介变量方面表现出明显优势。
- 比较： 在大多数设置下，核 MEM 选择非线性中介变量的频率高于线性方法和 KRR 重要性比较器，尤其是在信噪比较低的情况下。
数据应用（DNA 甲基化）： 应用于一项关于童年创伤与成年皮质醇压力反应性的研究（筛选了 385,882 个 CpG 位点至 213 个候选位点）：
- 线性 MEM： 选择了 8 个位点，其中三个位点与之前的研究发现重合（如 ZSCAN30, RAB5IF, CTDSP2）。
- 核 MEM： 选择了 3 个位点，包括 PRRC2A（与先前研究重合）和 PIGQ（也被线性 MEM 选中）。
- 这些方法识别出了在两条路径中均有证据支持的生物学合理候选变量。

意义与主张
本文声称所提出的 MEM 框架为线性与非线性设置下的多中介变量选择提供了一种实用且有原则的方法。其主要意义在于：

对非线性的鲁棒性： 它为检测由阈值效应、二次模式或交互作用驱动的中介变量提供了可行的替代方案。
处理不平衡信号： 自适应权重和联合建模允许更好地检测那些信号在两条路径间分布不均的中介变量。
优先级排序： 作者将该方法定位为生成生物学假设并减少下游估计变量集的优先级排序步骤，而非直接进行因果效应估计或推断的工具。

作者承认存在一定的局限性，包括对中等维度问题的限制（需要前置筛选步骤）、缺乏选择后推断程序，以及该方法侧重于经验支持而非因果效应估计。他们指出，核扩展并不会恢复所选出的中介变量效应的具体函数形式。

类似论文