MétaCan
Menu
← Retour à la cohorte
Enregistrement W7161988216 · doi:10.82308/24563

Two advancements in statistical learning methods

2025· dissertation· en· W7161988216 sur OpenAlexaboutno aff
Yixiao Zeng

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGene expression and cancer classification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInterpretabilityMissing dataDeep learningRegressionKernel (algebra)Feature (linguistics)Regularization (linguistics)Kernel methodTrait

Résumé

récupéré en direct d'OpenAlex

This thesis contributes significantly to data science by advancing methods for analyzing high-dimensional datasets, particularly focusing on key relationships between outcomes and predictor variables. It introduces two novel statistical learning methods: missoNet and DKLasso (including DKLasso+). These methods address two main challenges: managing incomplete data and enhancing the interpretability of deep learning models.First, missoNet is introduced as a sparse multi-task regression method designed specifically for high-dimensional datasets with missing values. Traditional multi-task regression often struggles with incomplete data, leading to biased or inefficient results. missoNet overcomes this by treating observed data as noisy representations of true values and using a modified optimization objective that remains convex even with missing entries. It also applies L1 regularization to ensure stable estimates, allowing missoNet to provide robust and accurate results, even in complex high-dimensional settings.The effectiveness of missoNet is demonstrated using two datasets. The first analyzes anti-citrullinated protein antibody (ACPA) related DNA methylation and genetic data to identify methylation quantitative trait loci (mQTLs), focusing on methylation and SNPs within the same genomic region. The second example uses data from the Alzheimer’s Disease Neuroimaging Initiative (ADNI) to estimate associations between FDG-PET measurements across 90 brain regions and factors such as cerebrospinal fluid biomarkers. These applications show how missoNet effectively handles incomplete high-dimensional data, offering valuable insights for complex biological studies.The thesis then introduces DKLasso and DKLasso+, which extend the deep kernel learning (DKL) framework to improve model interpretability through feature sparsity. While deep learning excels at identifying intricate patterns, it often lacks transparency. DKLasso tackles this by adding a linear residual connection with an L1 penalty to the DKL model, promoting explicit feature selection by deactivating irrelevant input variables. This approach improves interpretability while maintaining the nonparametric flexibility of kernel methods, which also helps to provide reliable uncertainty estimates - a critical feature in scientific research where confidence in predictions is paramount.The efficacy of DKLasso and DKLasso+ is illustrated using data from the Canadian Longitudinal Study on Aging (CLSA), where these methods identified key metabolites influencing the acceleration of epigenetic aging. This example highlights the models' strength in uncovering meaningful patterns in datasets with complex interactions.Together, missoNet and DKLasso (including DKLasso+) address critical challenges in linear and nonlinear modeling, providing powerful tools for high-dimensional data analysis. These methods are not only robust and capable, but also designed to be accessible for researchers and practitioners aiming to apply advanced data analysis techniques

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,029
score de la tête « metaresearch » (Gemma)0,098
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,155

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,098
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0030,005
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,006
Communication savante0,0060,009
Science ouverte0,0040,007
Intégrité de la recherche0,0040,017
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,421
Écart entre enseignants0,405 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGene expression and cancer classification→Travaux en français237 207→