跳转至

Network knockoffs: controlling false discovery in dyadic space

作者: Justin Van Ee, Yoichiro Kanno, Jacob Rash, Mevin Hooten
主题: 因果推断
相关性: 6/10
链接: https://arxiv.org/abs/2606.00346


一、领域脉络与小综述

这个方向是什么

本文所处的子方向是高维变量选择中的假发现率(FDR)控制,具体聚焦于网络(图)结构数据上的 dyadic 回归问题。其根本统计问题是:当观测单元不是独立的个体,而是节点对(dyad)时,如何在高维协变量中筛选出真正影响"节点间连接强度/相似度"的特征,同时将错误发现的比例控制在预设水平之下。该方向的成熟度处于快速发展但尚未定型的阶段——经典 FDR 方法(BH、BY、Storey q-value)在独立数据上理论成熟,但面对 dyadic 数据特有的依赖结构时,其有效性假设被打破,而专门针对这一结构的解决方案直到最近才开始出现。

发展脉络(history)

奠基工作:knockoff 框架的提出。 Barber 和 Candès (2015) 首次提出 knockoff 方法,在有限样本下对线性回归模型实现精确的 FDR 控制,其核心思想是构造与原始特征分布相同但与响应条件独立的"对照特征"。Candès et al. (2018) 将其推广为 model-X knockoff 框架,将有效性条件从线性模型放宽为"已知特征分布"这一更一般的设定,使得 knockoff 方法可以应用于任意响应模型(包括广义线性模型、非线性模型等)。这两篇工作奠定了整个 knockoff 文献的基础,也留下了核心缺口:当观测之间存在依赖时,如何构造有效的 knockoff?

主要进展:knockoff 在依赖数据上的推广。 Sesia et al. (2019) 将 model-X knockoff 应用于隐马尔可夫模型,利用序列结构构造 knockoff;Sesia et al. (2021) 进一步将其推广到基因组数据中的隐马尔可夫模型。Fan et al. (2020) 和 Li & Maathuis (2021) 则将 knockoff 思想引入高斯图模型,利用图结构信息构造更有效的对照变量。这些工作共同确立了"利用已知结构信息构造 knockoff"这一思路,但都局限于节点级特征,未处理 dyadic 层面的依赖。

当前 frontier:dyadic 数据与 FDR 控制的交叉。 Dai et al. (2023) 提出数据分割(data splitting)方法,通过将数据随机分割后分别估计系数并构造镜像统计量(mirror statistic)来控制 FDR。Ren et al. (2023) 提出将多次 knockoff 复制的结果进行聚合(derandomization),以降低单次随机性带来的不稳定性;Ren & Barber (2024) 进一步用 e-values 改进了 derandomization 过程,在有限样本下保持 FDR 控制。这些方法在独立数据上表现良好,但在 dyadic 数据上,由于 dyad 之间共享节点而产生的复杂依赖结构,这些方法的有效性假设被打破——这正是本文切入的位置。

本文的位置。 作者指出,dyadic 回归中观测单元(dyad)之间的依赖来自两个层面:(1)同一节点参与多个 dyad,导致这些 dyad 的响应相关;(2)特征变换(如取绝对差)本身引入了跨 dyad 的依赖。标准 model-X knockoff 要求精确知道特征的联合分布,这在 dyadic 空间中几乎不可能;数据分割方法则因 dyad 间依赖而失效。本文的贡献是:在构造 dyadic 空间的增广设计矩阵之前,直接在原始拓扑网络上模拟 knockoff 特征,从而保留网络结构中的依赖信息。

子线索聚类

这些被引文献大致落在三条子线索上:

线索一:knockoff 的构造与理论保证。 包括 Barber & Candès (2015)、Candès et al. (2018)、Sesia et al. (2019, 2021)、Fan et al. (2020)、Li & Maathuis (2021)。这条线索的核心问题是:在什么条件下可以构造满足交换性和零性(nullity)的 knockoff?已知特征分布是 model-X 框架的核心假设,而这一假设在复杂依赖结构中往往难以满足。

线索二:FDR 控制的替代框架。 包括 Benjamini & Hochberg (1995)、Benjamini & Yekutieli (2001)、Storey (2002) 的经典 p 值方法,以及 Dai et al. (2023) 的数据分割、Ren et al. (2023) 的 derandomization、Wang & Ramdas (2022) 和 Vovk & Wang (2021) 的 e-value 框架。这条线索关注的是:在依赖数据下,哪些 FDR 控制程序仍然有效?经典 BH 程序在正依赖(PRDS)条件下有效,但 dyadic 数据中的依赖结构是否满足这一条件并不清楚。

线索三:网络数据的统计建模。 包括 Goldenberg et al. (2010) 的综述、Hoff (2005) 的潜在空间模型、Hanks & Hooten (2013) 的基于随机游走的连通性模型、Schwob et al. (2024, 2025) 的 dyadic 流模型。这条线索提供了 dyadic 回归的模型基础,但主要关注估计与预测,而非变量选择的误差控制。

这个方向在追问的核心问题

  1. 如何在依赖数据上构造有效的 knockoff? 这是 model-X 框架推广到非独立数据时的核心困难。已知特征分布这一假设在 dyadic 空间中几乎不可能验证或满足。
  2. dyadic 依赖对现有 FDR 控制程序的影响有多大? 本文的模拟表明,BH、BY、Storey q-value、数据分割和标准 knockoff 在 dyadic 数据上均表现出反保守性(FDR 超过名义水平),但这一现象的定量刻画(依赖结构如何影响 FDR 膨胀的程度)仍缺乏理论分析。
  3. 如何在保留依赖结构的同时构造可计算的 knockoff? 本文提出的"先在网络上模拟、再变换到 dyadic 空间"的策略是一个计算上可行的方案,但其统计效率(power)与最优性缺乏理论刻画。

⚠️ 作者的 framing(这是作者的说法)

作者将缺口 frame 成:"标准 model-X knockoff 要求精确知道 dyadic 特征的联合分布,这在网络数据中不可行;数据分割方法因 dyad 间依赖而失效。因此,需要在网络层面构造 knockoff。" 这一 framing 将本文定位为"显然的下一步"——既然 dyadic 层面的 knockoff 构造困难,那就回到网络层面。被淡化的竞争路线包括:(1)混合模型路径——如 Yu et al. (2006)、Kang et al. (2010)、Zhou & Stephens (2012) 用混合模型显式建模依赖结构,再基于模型残差做变量选择,本文仅在预处理步骤中使用了混合模型残差,但未将其作为完整的 FDR 控制框架;(2)基于 e-value 的框架——Ren & Barber (2024) 的 derandomized knockoff 在理论上可以处理一定程度的依赖,本文将其作为对比方法但未深入讨论其失效的机制。

值得注意的缺失:参考文献中包含了 Liu (2013) 关于高斯图模型 FDR 控制的工作,但作者在正文中并未详细讨论图模型 FDR 控制与 dyadic 回归 FDR 控制之间的关系——前者推断的是节点间的条件独立关系(图结构),后者推断的是 dyad 特征对连接强度的影响,两者在数学结构上有关联(都涉及图上的依赖),但目标不同。

张力

未见明显对立引用。各被引工作之间不存在在同一条件下得出相反结论的情况。不过存在一个微妙的张力:Candès et al. (2018) 的 model-X 框架声称"只要特征分布已知,knockoff 对任意响应模型有效",而本文的模拟表明,在 dyadic 数据上即使使用二阶近似(即假设高斯分布),标准 model-X knockoff 仍然失效。这暗示 model-X 框架的"特征分布已知"假设在 dyadic 变换后可能被微妙地违反——因为 dyadic 变换(如取绝对差)后的特征分布即使原始特征是高斯 CAR 过程,也不再是简单的高斯分布。这一张力值得进一步探究。


二、最核心、最简单的例子 / 数学问题

第一步:符号、模型、可观测数据

图与节点: - \(G = (V, E)\):已知的网络图,\(V = \{1, \ldots, V\}\) 为节点集合,\(E = \{1, \ldots, E\}\) 为边集合。 - \(A\):节点的邻接矩阵(\(V \times V\)),\(A_{ij} = 1\) 表示节点 \(i\) 和 \(j\) 之间有边。

节点级特征与响应: - \(X\):\(V \times p\) 矩阵,第 \(l\) 列 \(x_l = (x_{1,l}, \ldots, x_{V,l})'\) 是节点 \(v\) 上的第 \(l\) 个特征。这是可观测的原始特征。 - \(Y\):\(n \times V\) 矩阵,\(y_v = (y_{1,v}, \ldots, y_{n,v})'\) 是节点 \(v\) 上的 \(n\) 次观测响应。这是可观测的节点级响应。

dyadic 变换(核心映射): - \(\tilde{y}_{ij} \equiv f(y_i, y_j)\):节点 \(i\) 和 \(j\) 的响应经过某个变换得到的 dyadic 结果。本文中 \(\tilde{y}_{ij} = (\eta_i - \eta_j)^2\),即节点级空间效应的平方差。 - \(\tilde{x}_{ij} \equiv f_{ij}(X)\):节点级特征变换为 dyadic 协变量。本文中 \(\tilde{x}_{ij} = |x_i - x_j|\)(绝对差)或 \(\tilde{x}_{ij} = \min_{P_{ij}} \sum_{e \in P_{ij}} \exp\{x_e\}\)(路径上的指数和最小值)。

dyadic 回归模型:

\[\tilde{y}_{ij} \mid \beta, \theta_i, \theta_j, \sigma^2 \sim N(\tilde{x}_{ij}'\beta + \theta_i + \theta_j, \sigma^2)\]

其中: - \(\beta\):\(p\) 维回归系数,这是要估计和选择的目标参数。\(\beta_l = 0\) 表示第 \(l\) 个特征不影响 dyadic 响应。 - \(\theta = (\theta_1, \ldots, \theta_V)'\):节点级随机效应,\(\theta_v \sim N(0, \tau^2)\),用于捕捉同一节点参与多个 dyad 带来的依赖。 - \(\sigma^2\):dyadic 观测的噪声方差。 - \(N = \binom{V}{2}\):dyadic 观测的总数。

目标量: - \(S \subseteq \{1, \ldots, p\}\):真正影响 dyadic 响应的特征集合(即 \(\beta_l \neq 0\) 的 \(l\))。 - FDR 定义为 \(E\left[\frac{\#\{l: l \in \hat{S}, \beta_l = 0\}}{\#\{l: l \in \hat{S}\} \vee 1}\right]\),即选择集合中假阳性比例的期望。

可观测 vs 不可观测: - 可观测:\(Y\)(节点级响应)、\(X\)(节点级特征)、\(G\)(图结构)、\(d_{ij}\)(节点间距离)。 - 不可观测:\(\beta\)(目标参数)、\(\theta\)(随机效应)、\(\tau^2\)(随机效应方差)、\(\sigma^2\)(噪声方差)、\(S\)(真实活跃集)。

第二步:最小内核

剥去所有一般性设定后,支撑本文的最小内核是以下问题:

给定一个已知图 \(G\) 上的节点级特征 \(X\),我们观测到 dyadic 响应 \(\tilde{y}_{ij} = (\eta_i - \eta_j)^2\),其中 \(\eta\) 是节点级潜在变量。我们想判断哪些特征 \(x_l\) 的节点间差异 \(|x_{i,l} - x_{j,l}|\) 真正驱动了 \(\tilde{y}_{ij}\) 的变化,同时控制 FDR。关键困难是:dyadic 观测 \(\tilde{y}_{ij}\) 之间不独立——共享节点 \(i\) 的所有 dyad 都包含 \(\eta_i\),因此高度相关。

为什么标准方法失效?

考虑最简单的特例:\(p = 1\),只有一个特征 \(x\),\(\tilde{x}_{ij} = |x_i - x_j|\),模型为 \(\tilde{y}_{ij} = \beta |x_i - x_j| + \theta_i + \theta_j + \varepsilon_{ij}\)。

  • 标准 model-X knockoff:需要构造 \(\tilde{x}\) 的 knockoff \(\tilde{x}^{\text{kn}}\),使得 \((\tilde{x}, \tilde{x}^{\text{kn}})_{\text{swap}(S)} \stackrel{d}{=} (\tilde{x}, \tilde{x}^{\text{kn}})\) 且 \(\tilde{x}^{\text{kn}} \perp \tilde{y} \mid \tilde{x}\)。但 \(\tilde{x}_{ij} = |x_i - x_j|\) 的分布取决于 \(x_i\) 和 \(x_j\) 的联合分布,而 \(x\) 是图上的 CAR 过程,其联合分布由精度矩阵 \(Q = \text{diag}\{A\mathbf{1}\} - \rho A\) 决定。dyadic 变换后,\(\tilde{x}\) 的分布不再是高斯,且各分量之间通过共享节点产生复杂依赖。二阶近似(假设 \(\tilde{x}\) 高斯)无法捕捉这一结构,导致交换性被违反。

  • 数据分割:将 dyad 随机分成两半,一半估计系数,一半构造镜像统计量。但同一节点参与的 dyad 可能同时出现在两半中,导致两半并不独立,镜像统计量的零分布不对称。

  • 本文的解法:不直接构造 \(\tilde{x}\) 的 knockoff,而是回到节点层面。先估计 CAR 模型(7)的参数 \(\hat{\mu}_l, \hat{\zeta}^2_l, \hat{\rho}_l\),然后从估计的分布中模拟节点级 knockoff 特征 \(\ddot{x}_l \sim N(\hat{\mu}_l, \hat{\zeta}^2_l (\text{diag}\{A\mathbf{1}\} - \hat{\rho}_l A)^{-1})\),最后将 \(\ddot{x}_l\) 变换为 dyadic 空间 \(\ddot{\tilde{x}}_{ij} = |\ddot{x}_i - \ddot{x}_j|\)。因为 \(\ddot{x}_l\) 是在节点层面模拟的,它保留了图结构带来的空间依赖;变换到 dyadic 空间后,这种依赖结构被保留,从而满足交换性。

为什么这个特例能说明核心思想?

在这个 \(p=1\) 的特例中,标准 model-X knockoff 的失败根源在于:dyadic 变换 \(\tilde{x}_{ij} = |x_i - x_j|\) 是一个非线性、非可逆的映射,它把节点层面的高斯过程变成了 dyadic 层面的非高斯、强依赖过程。本文的核心洞察是:knockoff 的构造应该在特征最"原始"的层面进行——在节点层面,特征分布是高斯 CAR 过程,可以精确模拟;变换到 dyadic 层面后,虽然分布复杂,但交换性在变换下被保持(因为变换是确定性的、逐 dyad 的)。这类似于"先构造对照,再施加同样的变换"的策略,保证了 knockoff 与原始特征在变换后仍然"配对"。


三、这篇论文做了什么

三句话

① 研究了什么问题:在高维 dyadic 回归中,如何构造有效的 knockoff 变量以控制 FDR——标准 model-X knockoff 因 dyadic 变换后的复杂依赖而失效,数据分割方法同样不适用。② 核心工具/方法:提出"网络 knockoff"——在原始拓扑网络上模拟节点级特征的 knockoff(基于 CAR 模型),再将其变换到 dyadic 空间,从而保留图结构依赖并满足交换性。③ 主要结论:在模拟研究中,网络 knockoff 是唯一在所有设定下控制 FDR 的方法(FDR ≤ 0.10),而 BH、BY、Storey q-value、数据分割和标准 model-X knockoff 均表现出反保守性(FDR 高达 0.5 以上);在真实数据应用中,网络 knockoff 选出了更高比例的先前被评估为阻碍鱼类移动的屏障。

关键设定与假设

模型设定: - 节点级特征:\(x_l \sim N(\gamma_0 + \gamma_1 z_l, \zeta^2 (\text{diag}\{A\mathbf{1}\} - \rho A)^{-1})\),即高斯条件自回归(CAR)模型。这里 \(z_l\) 是另一个节点级协变量,\(\rho\) 是空间依赖参数。关键假设:特征在节点层面服从高斯 CAR 过程,这为模拟 knockoff 提供了精确的分布。 - dyadic 响应:\(\tilde{y}_{ij} = (\eta_i - \eta_j)^2\),其中 \(\eta\) 是节点级空间随机效应,来自模型(15)的后验分布。dyadic 回归模型为 \(\tilde{y}_{ij} \sim N(\tilde{x}_{ij}'\beta + \theta_i + \theta_j, \sigma^2)\)。 - dyadic 协变量:\(\tilde{x}_{ij} = |x_i - x_j|\)(节点特征绝对差)或 \(\tilde{x}_{ij} = \min_{P_{ij}} \sum_{e \in P_{ij}} \exp\{x_e\}\)(路径上的指数和)。

关键假设: 1. 特征分布已知(或可估计):CAR 模型的参数 \((\gamma_0, \gamma_1, \zeta^2, \rho)\) 需要从观测数据中估计。这是 model-X 框架的标准假设——knockoff 的有效性依赖于特征分布的准确估计。 2. 节点级特征与 dyadic 响应的条件独立性:给定 \(\tilde{X}\),knockoff \(\ddot{X}\) 与 \(\tilde{y}\) 条件独立。这在网络 knockoff 中通过"先在节点层面模拟、再变换"实现。 3. dyadic 回归模型的正确设定:\(\tilde{y}_{ij}\) 对 \(\tilde{x}_{ij}\) 的线性回归形式(加上随机效应)被假定为正确。 4. 图结构已知:\(G = (V, E)\) 完全已知,邻接矩阵 \(A\) 无误差。

相比已有工作的放宽/强化: - 放宽:不要求 dyadic 特征 \(\tilde{X}\) 服从高斯分布(标准 model-X 的二阶近似假设),而是利用节点层面的高斯 CAR 结构。 - 强化:要求节点级特征确实服从 CAR 模型(7)。如果真实特征生成机制偏离 CAR,网络 knockoff 的交换性可能被违反。相比之下,标准 model-X 只要求特征分布已知,不限定具体形式。

主要结果

模拟研究 1(高斯节点特征,\(p = 50, 100, 200\)): - 网络 knockoff 在所有 27 种参数组合下控制了 FDR(均值 ≤ 0.10)。 - 数据分割、多重数据分割、标准 model-X knockoff 在 \(\tau^2 > 0\)(存在节点随机效应)时均表现出反保守性,FDR 随 \(\tau^2\) 增大而升高。 - 在 \(\tau^2 = 0\)(无节点随机效应)时,所有方法都能控制 FDR,但网络 knockoff 的 power 与标准 model-X 相当或更高。 - 关键发现:dyadic 依赖(由 \(\tau^2\) 刻画)是标准方法失效的主因。当 \(\tau^2 = 0\) 时,dyadic 观测近似独立,标准方法有效;当 \(\tau^2 > 0\) 时,共享节点引入的依赖导致 FDR 膨胀。

模拟研究 2(二值边特征,\(V = 200, 300, 400\)): - 网络 knockoff 在 54 种参数组合下控制了 FDR(均值 ≈ 0.06–0.12)。 - 标准 model-X knockoff 的 FDR 均值超过 0.5,数据分割和多重数据分割也严重反保守。 - Power 方面:网络 knockoff 在 \(|β(S)| = 2\) 时 power 较低(≈ 0.2),但在 \(|β(S)| = 3, 4\) 时 power 达到 0.6–0.9。 - 真实网络(观测的溪流网络)比合成网络(优先连接模型)的 power 更低,作者归因于真实网络的稀疏性。

真实数据应用(北卡罗来纳州溪流屏障): - 数据:1590 个屏障(坝和涵洞),14 个溪流网络,133 个电渔采样点和 1931 个存在/不存在点。 - 方法:先拟合集成物种分布模型(15)得到节点级空间效应 \(\eta\) 的后验均值,再计算 dyadic 响应 \(\tilde{y}_{ij} = (\eta_i - \eta_j)^2\),最后应用网络 knockoff 选择影响连通性的屏障特征。 - 结果:网络 knockoff 在 FDR = 0.1 水平下选出 12 个屏障(其中 8 个为坝,4 个为涵洞),而数据分割选出 149 个,标准 model-X knockoff 选出 303 个。作者指出,网络 knockoff 选出的屏障中,更高比例(约 67%)被先前研究评估为"完全阻碍"或"部分阻碍"鱼类移动。

证明路线与技术技巧

整体路线(本文是方法+模拟论文,无正式定理证明,但论证逻辑如下):

  1. 建立 dyadic 变换的框架:将节点级特征 \(X\) 和节点级响应 \(Y\) 通过变换 \(f\) 映射到 dyadic 空间,得到 \(\tilde{X}\) 和 \(\tilde{y}\)。关键论证是:dyadic 变换是确定性的、逐 dyad 的,因此如果节点级 knockoff \(\ddot{X}\) 满足交换性,则变换后的 \(\ddot{\tilde{X}}\) 也满足交换性。

  2. 节点级 knockoff 的构造:利用 CAR 模型(7)估计节点特征的分布,然后从估计的分布中模拟 knockoff。具体地,对每个特征 \(l\),估计 \((\hat{\gamma}_0, \hat{\gamma}_1, \hat{\zeta}^2, \hat{\rho})\),然后模拟 \(\ddot{x}_l \sim N(\hat{\gamma}_0 + \hat{\gamma}_1 z_l, \hat{\zeta}^2 (\text{diag}\{A\mathbf{1}\} - \hat{\rho} A)^{-1})\)。

  3. dyadic 空间中的 knockoff 统计量:将原始特征和 knockoff 特征都变换到 dyadic 空间后,计算 knockoff 统计量 \(W_l = g(\tilde{x}_l, \ddot{\tilde{x}}_l)\),其中 \(g\) 是反对称函数(如 LASSO 系数的绝对值之差)。然后使用 Barber-Candès 的选择规则(公式 3)确定阈值 \(T\)。

  4. FDR 控制的论证:作者论证,由于 \(\ddot{\tilde{X}}\) 满足交换性(在节点层面构造,变换后保持),且 \(\ddot{\tilde{X}} \perp \tilde{y} \mid \tilde{X}\)(因为 \(\ddot{X} \perp \eta \mid X\),而 \(\tilde{y}\) 是 \(\eta\) 的函数),因此 Barber-Candès 的 FDR 控制证明可以直接套用。

关键技巧:

  • "先构造、后变换"策略:这是本文的核心技术贡献。标准 model-X knockoff 直接在 dyadic 空间构造 knockoff,需要知道 \(\tilde{X}\) 的联合分布——这在 dyadic 变换后几乎不可能。本文绕开这一困难,在节点层面构造 knockoff,利用变换的确定性保持交换性。

  • CAR 模型的利用:选择 CAR 模型(7)作为节点特征的生成模型,是因为它自然地编码了图结构依赖(通过精度矩阵 \(\text{diag}\{A\mathbf{1}\} - \rho A\)),且参数估计和模拟都有成熟的计算方法(如 spmodel R 包)。

  • 混合模型预处理:在真实数据应用中,作者先用集成物种分布模型(15)拟合响应,提取节点级空间效应 \(\eta\) 的后验均值,再计算 dyadic 响应。这一步将复杂的时空计数数据转化为高斯 dyadic 响应,使得模型(1)的假设近似成立。

🔎 结论是否比证明窄:

  • 作者在摘要和引言中声称网络 knockoff "controls the false discovery rate",但正文中没有提供任何正式的定理或命题。FDR 控制的论证依赖于"节点级 knockoff 满足交换性 → 变换后仍满足交换性"这一逻辑链,但作者没有明确写出交换性的形式化定义,也没有证明 CAR 模型估计误差对 FDR 控制的影响。
  • 模拟研究中的 FDR 控制是经验性的,且作者承认在 \(\tau^2 > 0\) 且 \(p = 200\) 时,网络 knockoff 的 FDR 有时略高于 0.10(图 3 子图 A 的右上角面板)。
  • 真实数据应用中,作者将 FDR 目标从 0.1 提高到 0.29 才获得非空选择集,这暗示在 \(p\) 较大且信号较弱时,网络 knockoff 的 power 可能不足。作者在讨论中承认了这一点,但未给出理论解释。
  • 作者声称网络 knockoff "compatible with mechanistic modeling frameworks",但模拟研究中的 mechanistic 模型(Laplacian 模型)仅用于生成数据,knockoff 构造本身仍基于 dyadic 线性回归模型(1)。这种"生成模型与推断模型不一致"的设定下 FDR 是否仍然受控,作者未给出理论保证。

四、开放问题

以下问题均扎根于本文的具体语句,供你自行判断价值与可行性:

  1. 理论保证的缺失:本文没有任何定理或命题。作者在讨论中写道"Future work could incorporate uncertainty in network topology directly into the modeling framework",但更根本的问题是:在 CAR 模型参数估计误差存在的情况下,网络 knockoff 的 FDR 控制是否有有限样本保证? 这需要建立估计误差对交换性的影响界——一个自然的切入点是分析 \(\hat{\rho}\) 的收敛速率如何影响 knockoff 分布与真实分布的偏差。

  2. dyadic 变换的一般性:本文只考虑了两种变换——绝对差 \(|x_i - x_j|\) 和路径上的指数和 \(\min_{P_{ij}} \sum_{e \in P_{ij}} \exp\{x_e\}\)。作者在引言中提到 dyadic 回归"has been used to model the flow of processes in social networks",但对于更一般的 dyadic 变换(如比值、秩变换、非线性核),网络 knockoff 的交换性是否仍然保持? 这需要刻画"变换保持交换性"的充分条件。

  3. power 的改进:真实数据应用中,网络 knockoff 在 FDR = 0.1 时未选出任何屏障,作者不得不将目标提高到 0.29。模拟研究也显示网络 knockoff 在弱信号下 power 较低。如何构造更高效的网络 knockoff? 一个可能的方向是利用图结构信息构造"更接近"原始特征的 knockoff(如条件于局部邻域的 knockoff),但这可能牺牲交换性。

  4. 与 mechanistic 模型的整合:作者声称网络 knockoff 与 mechanistic 模型兼容,但模拟中 mechanistic 模型仅用于生成数据。能否将 Laplacian 模型(10)直接嵌入 knockoff 构造过程? 例如,在模拟 knockoff 时同时匹配特征分布和响应分布,这可能提高 power 但需要更复杂的采样算法。

  5. 多重网络与动态网络:本文只考虑了单一静态网络。作者在讨论中提到"applications in epidemiology, hydrology, and social networks",但当数据来自多个独立网络(如多个流域)或动态网络(如随时间变化的连通性)时,如何构造跨网络的 knockoff? 这涉及网络间依赖的建模,目前文献中似乎没有直接答案。


提醒:要确认上述哪条是真正的 gap,建议去读以下近期文献的引言部分(各约 5 篇):(a) knockoff 在非独立数据上的推广(如时间序列、空间数据);(b) 网络数据的变量选择与 FDR 控制;(c) dyadic 回归的最新进展。如果这些文献的引言都指向同一个未解决问题,那就是共识性 gap;如果它们各说各话,则说明该问题尚未被社区明确定义,机会与风险并存。


Maintained by 陈星宇 · Homepage · Source on GitHub

评论