A Single Visualization Technique for Displaying Multiple Metabolite-Phenotype Associations
需要更先进的可视化工具来协助分析和解释人类代谢组学数据，这些数据在数量和复杂性上都在迅速增加。使用从基于人群的社区研究中采样的1400多人队列中的数百种生物活性脂质代谢物的数据集，我们进行了一组全面的关联分析，将所有代谢物与8种人口统计学和心脏代谢特征和结果联系起来。然后，我们比较了现有的图形方法与适应雨图的方法来显示这些分析的结果。雨图结合了雨滴图和并行热图方法的特征，以在单个可视化中简洁地传达将复杂代谢组学数据与多种表型相关联的结果。这种方法补充了现有的工具，特别是通过促进个体代谢物之间的比较和一系列预先指定的临床结果。我们预计，这种单一的可视化技术可以进一步扩展，并应用于使用不同类型的分子表型数据的替代研究设计。
2017-10-12 q-bio.QM stat.AP
Feature set optimization by clustering, univariate association, Deep & Machine learning omics Wide Association Study (DMWAS) for Biomarkers discovery as tested on GTEx pilot dataset for death due to heart attack
单变量和多变量方法已被广泛用于全基因组关联研究中。除了编码SNPs，我们提倡使用聚类作为一种新的方法来编码基因组中的结构变异，SV，如缺失和插入多态性（DIP），拷贝数变异（CNVs），易位，倒位等，其可用作独立的特征变量值，用于通过人工智能方法进行下游计算以预测内端表型。我们介绍了一个基于聚类的编码方案的结构变化和omics为基础的分析。我们使用深度学习和其他机器学习技术进行了完整的所有基因组变异与表型的关联，尽管也可以应用其他方法，如遗传算法。在GTEx V7试点DNA变异数据集上应用SV的这种编码和SNP的独热编码，我们能够使用DMWAS的各种方法获得高准确性，特别是发现逻辑回归对于心脏病发作死亡（MHHRTATT）表型的效果最好。然后将作为特征集的基因组变体按照对疾病或性状表型的影响力的降序排列，我们称之为优化，并且还考虑了顶部单变量关联。发现在染色体3和位置192063195处的变体Id P1_M_061510_3_402_P与MHHRTATT最高度相关。我们在此列出了MHHRTATT表型死因的十大优化基因组变异特征集。
2021-02-24 cs.DC q-bio.GN q-bio.QM
Interactions between species introduce spurious associations in microbiome studies
微生物群有助于宿主表型的许多方面，包括疾病。为了将特定微生物与特定表型联系起来，微生物组范围的关联研究比较了两组样本之间的微生物丰度。然而，绝对差异不仅反映了与表型的直接关联，还反映了由于微生物相互作用而产生的间接影响。我们发现，微生物的相互作用很容易产生大量的虚假关联，提供没有机制的见解。利用统计物理学的技术，我们开发了一种方法来消除间接关联，并将其应用于儿科炎症性肠病的最大数据集。我们的方法纠正了标准关联检验中p值的膨胀，并表明只有一小部分关联与疾病直接相关。直接关联在区分病例与对照方面具有更高的准确性，并指出免疫调节、丁酸盐产生和脑-肠轴是炎症性肠病的重要因素。
2018-01-30 q-bio.QM stat.AP
GOPHER: Optimization-based Phenotype Randomization for Genome-Wide Association Studies with Differential Privacy
GOPHER提出基于优化的表型随机化方法，实现具有差分隐私保护的全基因组关联研究结果的准确发布。
2025-12-03 q-bio.QM
IntLIM: Integration using Linear Models of metabolomics and gene expression data
转录组学和代谢组学数据的整合改善了疾病相关代谢组学表型的功能解释，并促进了推定的代谢物生物标志物和基因靶点的发现。出于这个原因，这些数据越来越多地收集在大型队列中，推动了对开发新方法进行整合的需求。值得注意的是，临床/转化研究通常提供快照基因和代谢产物谱，并且通常未鉴定出大多数代谢产物。因此，在这些类型的研究中，考虑到基因-代谢物关系的复杂性的途径/网络方法可能既不适用，也不容易发现新的关系。考虑到这一点，我们提出了一个简单的线性建模方法来捕捉表型特异性基因代谢物协会，假设共调控模式反映功能相关的基因和代谢物。提出的线性模型，代谢物~基因+表型+基因：表型，通过测试一种表型中的关系是否与另一种表型中的关系显著不同（通过相互作用基因：表型p值），专门评估基因-代谢物关系是否因表型而异。计算所有可能的基因-代谢物对的相互作用p值，并根据关联的方向性对显著对进行聚类。我们将我们的方法作为R包IntLIM实现，其中包括一个用户友好的Shiny应用程序。我们将IntLIM应用于两个已发表的数据集，收集于NCI-60细胞系以及人类乳腺肿瘤和非肿瘤组织中。我们证明，IntLIM捕获相关的肿瘤特异性基因代谢物协会参与癌症相关途径。同时也发现了可以通过实验测试的新关系。IntLIM R软件包在GitHub（https：//github.com/mathrob/IntLIM）中公开提供。
2018-02-28 q-bio.GN q-bio.QM
Efficient network-guided multi-locus association mapping with graph cuts
随着越来越多的全基因组关联研究揭示了试图用单个遗传位点解释表型遗传力的局限性，人们越来越感兴趣的是将复杂的表型与遗传位点集相关联。虽然已经提出了几种多位点定位的方法，但通常不清楚如何将检测到的位点与有关基因通路和网络的不断增长的知识联系起来。考虑到生物学途径或网络的少数方法要么限于调查有限数量的预定基因座组，要么不能扩展到全基因组环境。我们提出SConES，一种新的有效的方法来发现集的遗传基因座，最大限度地与一个表型，同时连接在一个底层的网络。我们的方法是基于一个最小切割重新制定的稀疏性和连通性的约束下，可以准确，快速地解决选择功能的问题。SConES在运行时间方面优于最先进的竞争对手，可扩展到数十万个遗传位点，并且在模拟研究中检测因果SNP的能力比现有方法更高。在开花时间表型和基因型拟南芥，SConES检测位点，使准确的表型预测和文献支持。SConES的Matlab代码可在http://webdav.tuebingen.mpg.de/u/karsten/Forschung/scones/上获得
2013-04-18 q-bio.QM stat.ML
An Association Test Based on Kernel-Based Neural Networks for Complex Genetic Association Analysis
本研究针对复杂基因型-表型关联检验难题，在基于核的神经网络框架下提出三种MINQUE检验方法，可评估线性及非线性遗传效应，在模拟中效能优于SKAT，且在UK Biobank数据中识别出海马体积相关基因。
2023-12-06 cs.LG q-bio.QM stat.ME
LMM-Lasso: A Lasso Multi-Marker Mixed Model for Association Mapping with Population Structure Correction
探索可遗传性状的遗传基础仍然是生物医学研究的核心挑战之一。在简单的情况下，单个多态位点解释了表型变异的一个重要部分。然而，许多感兴趣的性状似乎受到遗传基因座组的多因素控制。这种多元关联的准确检测是不平凡的，往往受到有限的权力。与此同时，混杂的影响，如人口结构，导致虚假的关联信号，导致假阳性结果，如果他们没有考虑在模型中。在这里，我们提出了LMM-Lasso，一个混合模型，允许两个，多位点映射和校正混杂效应。我们的方法是简单的，没有调整参数，有效地控制人口结构和规模的全基因组数据集。我们通过回顾性分析展示了其在全基因组关联研究和连锁作图中的实际应用。在拟南芥和小鼠的数据中，我们的方法能够在91%的表型中找到显着更大比例的表型变异的遗传原因。与此同时，我们的模型将这种变异性分解为个体SNP效应和群体结构引起的组分。除了遗传可遗传性的增加，已知候选基因的丰富表明LMM-Lasso检索的关联更有可能是真实的。
2012-09-21 q-bio.GN q-bio.PE q-bio.QM
Efficient Algorithms for Multivariate Linear Mixed Models in Genome-wide Association Studies
多变量线性混合模型（mvLmid）已广泛应用于遗传学的许多领域，并在全基因组关联研究（GWASs）中引起了广泛的兴趣。然而，拟合mvL检验在计算上是非平凡的，并且没有现有方法在计算上对于在具有中等样本量n的GWAS设置中执行mvL检验的似然比检验（LRT）是实用的。现有的软件MTMM对两种表型进行近似的LRT，正如我们发现的那样，它的p值可以大大低估关联的重要性。在这里，我们提出了新的计算效率高的算法拟合mvLRT，并计算在GWAS设置的LRT。在单个初始特征分解（复杂度为O（n^3））之后，算法i）将计算复杂度（优化器的每次迭代）从三次降低到n的线性;以及ii）在GWAS分析中，将每个标记的复杂度从三次降低到n的二次。这些创新使得计算数万个样本和中等数量的表型（~2-10）的GWAS中mvLtdR的LRT变得切实可行。通过仿真，我们表明，LRT提供了正确的控制I型错误。通过模拟和真实数据，我们发现LRT比MTMM的近似LRT更强大，并说明了分析两种以上表型的好处。该方法在GEMMA软件包中实现，该软件包可在http://stephenslab.uchicago.edu/software.html上免费获得
2013-09-11 q-bio.QM stat.AP stat.CO
A Weighted U Statistic for Genetic Association Analyses of Sequencing Data
Michigan State University（密歇根州立大学）；University of North Texas Health Science Center（北德克萨斯大学健康科学中心）；University of Arkansas for Medical Sciences（阿肯色大学医学科学大学）；University of Michigan（密歇根大学）；Mayo Clinic（梅奥诊所）
本文提出加权U统计量WU-seq，用于高维测序数据的遗传关联分析，无需疾病模型和表型分布假设，在重尾分布等假设违反场景下优于SKAT，并成功发现ANGPTL4与极低密度脂蛋白胆固醇的关联。
2015-05-05 cs.AI cs.LG q-bio.QM
Markov Logic Networks in the Analysis of Genetic Data
复杂的、非加性的遗传相互作用是常见的，并且在确定表型时可能是关键的。然而，全基因组关联研究（GWAS）和连锁数据的类似统计研究在寻找基因型-表型关联时假设基因相互作用的加性模型。这些统计方法将多个基因对表型的复合效应视为每个单独基因的部分影响的总和，并且通常会错过遗传效应的实质性部分。这些方法不使用任何关于潜在基因型-表型机制的生物学知识。人工智能领域的建模方法将确定性知识纳入模型以进行统计分析，可以应用于将先验知识纳入遗传分析。我们选择使用最通用的此类方法--马尔可夫逻辑网络（MLN），作为将确定性知识与统计分析相结合的框架。使用简单的逻辑回归型MLN，我们已经能够复制传统统计方法的结果。此外，我们表明，即使是简单的模型，我们能够超越找到独立的标记与表型使用联合推理，避免了独立的假设。该方法适用于酵母孢子形成，由非线性基因相互作用的表型的遗传数据。除了检测所有先前鉴定的与孢子形成相关的基因座之外，我们的方法还能够鉴定具有小影响的四个基因座。由于它们对孢子形成的影响很小，这四个基因座没有被检测到的方法，不占标记之间的依赖性，由于基因相互作用。我们展示了如何使用更复杂的模型检测基因相互作用，这可以作为一个通用的框架，将系统生物学与遗传学。
2010-03-03 q-bio.GN q-bio.QM
SANTA: quantifying the functional content of molecular networks
将分子相互作用网络与细胞功能和表型联系起来是系统生物学的一个关键目标。在这里，我们采用空间统计的概念来评估分子网络的功能内容。基于关联内疚原理，我们的方法（称为SANTA）量化了基因集和网络之间的关联强度，并像其他富集方法注释基因列表一样功能性地注释分子网络。作为一般关联度量，SANTA可以（i）使用策展的基因集的集合在功能上注释实验衍生的网络，以及（ii）使用策展的网络的集合注释实验衍生的基因集，以及（iii）对基因进行优先级排序以进行后续分析。我们使用\emph{S. cerevisiae}遗传相互作用网络和癌细胞系中的全基因组RNAi筛选在几个案例研究中验证了SANTA的功效。我们的理论，模拟和应用表明，SANTA提供了一个原则性的统计方法来量化分子网络和细胞功能和表型之间的关联。SANTA可从http://bioconductor.org/packages/release/bioc/html/SANTA.html获得。
2014-07-17 q-bio.MN q-bio.QM stat.AP
A Multivariate Regression Approach to Association Analysis of Quantitative Trait Network
许多复杂的疾病综合征，如哮喘，包括大量的高度相关的，而不是独立的，临床表型，提出了一个新的技术挑战，在确定同时与相关性状相关的遗传变异。在这项研究中，我们提出了一个新的统计框架，称为图形引导融合套索（GFlasso），以原则性的方式解决这个问题。我们的方法明确表示的依赖结构之间的数量性状作为一个网络，并利用这个性状网络编码结构化的正则化在一个多元回归模型的基因型和性状，使遗传标记，共同影响亚组的高度相关的性状可以检测到高灵敏度和特异性。虽然大多数传统的方法独立地检查每个表型，然后将结果结合起来，但我们的方法在一个单一的统计方法中共同分析所有性状，并借用相关表型之间的信息来发现共同干扰相关triats子集而不是单个性状的遗传标记。使用基于HapMap联盟数据和哮喘数据集的模拟数据集，我们比较了我们的方法与单标记分析的性能，以及其他稀疏回归方法，如岭回归和套索，不使用任何结构信息的性状。我们的研究结果表明，有一个显着的优势，在检测真正的因果SNPs时，我们将相关模式的性状，使用我们提出的方法。
2008-11-13 q-bio.GN q-bio.MN q-bio.QM
Bridging the genotype-phenotype gap with generative artificial intelligence
针对基因组数据增长与表型稀缺主观导致的基因型-表型鸿沟，本文提出生成式AI驱动的AIPheno表型测序仪，可从成像数据中高通量表型提取并解码其生物学意义，增强跨物种遗传发现，建立闭环范式以加速遗传关联转化。
2025-11-17 q-bio.QM
UMMAN: Unsupervised Multi-graph Merge Adversarial Network for Disease Prediction Based on Intestinal Flora
University of Huazhong University of Science and Technology（华中科技大学）；University of Harbin Institute of Technology（哈尔滨工业大学）
本文提出无监督多图合并对抗网络UMMAN，首次将图神经网络用于肠道菌群疾病预测，通过原始图与打乱图的对抗学习及节点特征全局集成模块，在多个OTU数据集上验证了其有效性与稳定性。
2024-07-31 cs.AI q-bio.QM
Spectral gene set enrichment (SGSE)
动机：基因集测试通常在监督的背景下进行，以量化基因组与临床表型之间的关联。然而，在许多情况下，在不存在表型变量的情况下，期望基因组数据的基于基因集的解释。尽管存在用于无监督基因集测试的方法，但它们主要计算相对于基因组变量的聚类的富集，其性能强烈依赖于聚类算法和聚类数。结果如下：我们提出了一种新的方法，光谱基因集富集（SGSE），基因集和经验数据源之间的关联的无监督竞争测试。SGSE首先使用我们的主成分基因集富集（PCGSE）方法计算基因集和主成分（PC）之间的统计关联。然后，通过使用加权Z方法将PC水平p值与设置为通过Tracey-Widom检验p值缩放的PC方差的权重组合，计算每个基因集与数据的谱结构之间的总体统计关联。使用模拟数据，我们表明，SGSE算法可以准确地恢复噪声数据的光谱特征。为了说明我们的方法在真实数据上的实用性，我们证明了SGSE方法相对于标准的基于聚类的技术的优越性能，用于测试MSigDB基因集与微阵列基因表达数据的方差结构之间的关联。联系人：rob. dartmouth.edu或jason.h. dartmouth.edu http://cran.r-project.org/web/packages/PCGSE/index.html
2014-05-13 q-bio.GN q-bio.QM stat.AP
Interpreting artificial neural networks to detect genome-wide association signals for complex traits
University of Tartu（塔尔图大学）；Institute of Genomics（基因组学研究所）；Estonian Genome Centre（爱沙尼亚基因组中心）；CNRS（法国国家科学研究中心）；INRIA（法国国家信息与自动化研究所）；LISN（巴黎萨克雷大学国家科学研究实验室）；Paris-Saclay University（巴黎萨克雷大学）；Estonian Biobank（爱沙尼亚生物银行）
针对复杂疾病遗传结构研究中传统统计方法的局限性，本研究训练人工神经网络预测复杂性状，通过事后可解释性方法识别潜在关联位点并计算p值，模拟和真实队列数据验证了其有效性，为GWAS提供了新方法。
2025-02-10 cs.LG q-bio.GN q-bio.QM
Locally Epistatic Models for Genome-wide Prediction and Association by Importance Sampling
在统计遗传学中，一项重要的任务是建立基因型-表型关系的预测模型，从而将总表型方差的一部分归因于基因型的变异。已经提出了许多模型，将加性遗传效应纳入模型进行预测或关联。然而，有一个稀缺的模型，可以充分考虑基因的基因或其他形式的遗传相互作用。此外，在全基因组预测和关联中使用标记注释的兴趣增加。在本文中，我们讨论了一种混合建模方法，它结合了参数混合建模方法和非参数规则集成。这种方法为我们提供了一类灵活的模型，可用于捕获添加剂，局部上位遗传效应，基因x背景相互作用，并允许我们将一个或多个注释纳入基因组选择或关联模型。除了模拟数据集，我们还使用涵盖一系列生物体和性状的基准数据集来说明这种方法的优势。模型精度的提高和关联结果表明，在复杂性状的“丢失的遗传力”的一部分，可以通过模拟本地上位性。
2016-03-29 q-bio.QM stat.AP stat.ML
Polygenic Modeling with Bayesian Sparse Linear Mixed Models
线性混合模型（Linear mixed models，LRM）和稀疏回归模型在遗传学中有着广泛的应用，包括最近在全基因组关联研究中的多基因建模。这两种方法的假设非常不同，因此预计在不同的情况下表现良好。然而，在实践中，对于给定的数据集，人们通常不知道哪些假设将更准确。出于这一动机，我们考虑两者的混合，我们称之为“贝叶斯稀疏线性混合模型”（BSLMM），其中包括这两个模型作为特殊情况。我们解决了几个关键的计算和统计问题时出现的应用BSLMM，包括适当的超参数事先规范，和一种新的马尔可夫链蒙特卡罗算法的后验推理。我们应用BSLMM和比较它与其他方法的两个多基因建模应用：估计方差的比例表型解释（PVE）可用的基因型，和表型（或育种值）预测。对于PVE估计，我们证明了BSLMM结合了标准Lebron和稀疏回归建模的优点。对于表型预测，它大大优于其他两种方法，以及其他几个大规模的回归方法，以前建议这个问题。实现我们方法的软件可从http://stephenslab.uchicago.edu/software.html免费获得
2012-11-14 q-bio.GN q-bio.QM stat.AP
Neuroimaging Feature Extraction using a Neural Network Classifier for Imaging Genetics
University of Victoria（维多利亚大学）；Simon Fraser University（西蒙弗雷泽大学）
针对神经影像与遗传数据高维度问题，提出基于神经网络分类器的神经影像特征提取方法，结合多元贝叶斯组稀疏回归模型进行遗传关联，用于阿尔茨海默病预测。
2022-07-08 cs.CV cs.LG q-bio.QM
