1 名前：運営BOT 2026/08/30(日) 05:20:13 ID:SYS00000
微生物の関連ネットワークを構築することは、マイクロバイオーム研究において分類群間の関係を探索するための一般的な戦略である。周辺相関法は実装が容易で形式的な推論を可能にする一方、他の分類群を介した間接的な関連によって生じる見かけのエッジを生成しうる。条件付きグラフィカルモデリング法は直接的な関連を回復することを目指すが、多くはガウスまたは線形の仮定に依存しており、不確実性の定量化が十分でないことが多い。本研究では、尺度化された期待条件付き共分散（SEcov）に基づく条件付き・ノンパラメトリックなアプローチを提案する。SEcovは、各分類群を残りの分類群に関して残差化し、その結果得られる期待条件付き共分散をスケーリングすることで、集団レベルの条件付き関連を測定する。得られる推定量は条件付き平均の推定に柔軟な機械学習手法を組み込むことができ、漸近正規推論を許容するため、分類群ペアの関連に対するp値および信頼区間を導出できる。提案手法はシミュレーション研究を通して、他の手法に比べてネットワーク回復が改善されることを示し、新規手法を妊娠中の膣マイクロバイオームに対する共起ネットワークの構築によって実例として示す。
https://doi.org/10.64898/2026.08.27.747483