高次元の多対多対多（Many-to-many-to-many）媒介分析

要旨: 本研究では、曝露、媒介変数、およびアウトカムがすべて多変量であり、さらに曝露と媒介変数の双方が高次元でありうる、高次元媒介分析を研究する。これを、多数（曝露）から多数（媒介変数）から多数（アウトカム）への（MMM）媒介分析問題として形式化する。方法論的には、MMM媒介分析は、高次元の曝露と媒介変数に対する変数選択を同時に行い、間接効果の行列（すなわち、曝露→媒介変数および媒介変数→アウトカムの経路を結びつける係数行列）を推定し、さらに多変量アウトカムの予測を可能にする。理論的には、推定された間接効果の行列が、一貫性を持ちかつ要素ごとに漸近的に正規分布することを示し、推定量に対する誤差境界を導出する。MMM媒介の枠組みの有効性を評価するために、まずシミュレーション研究を通じて、その有限標本での性能（収束特性、漸近近似のふるまい、およびノイズへの頑健性を含む）を調べる。ついで、アルツハイマー病ニューロイメージング・イニシアティブのデータにMMM媒介分析を適用し、202の脳皮質領域の皮質厚が、（約150万個のSNPから選ばれた）688のゲノムワイド有意な一塩基多型（SNP）に対する11の認知行動的・診断的アウトカムの効果を媒介しうる様子を研究する。MMM媒介の枠組みは、生物学的に解釈可能な、多対多対多の遺伝子―神経―認知の経路を特定し、下流のアウト・オブ・サンプルでの分類および予測性能を改善する。まとめると、本研究の結果はMMM媒介分析の潜在力を示し、科学における複雑で高次元の多層経路を調べるための統計的方法論の価値を強調する。MMMパッケージは https://github.com/THELabTop/MMM-Mediation で利用可能である。