Alternative Methods for H1 Simulations in Genome Wide Association Studies
从前瞻性和回顾性的角度来看，评估检测易感性变异的统计功效在GWA研究中起着关键作用。功效通过在疾病模型H1下模拟表型来经验性地估计。为此目的，"金"标准在于模拟给定表型的基因型（例如Hapgen）。我们在这里介绍一种替代方法，用于模拟H1下的表型，不需要为每个模拟生成新的基因型。为了模拟具有固定病例总数和给定疾病模型的表型，我们提出了三种算法：i）简单的拒绝算法; ii）数值马尔可夫链蒙特卡罗（MCMC）方法; iii）精确且有效的后向采样算法。在我们的研究中，我们验证了这三种算法的玩具数据集，并通过比较它们与哈普根在一个更现实的数据集。作为应用，我们随后对1000个基因组计划数据集进行了模拟研究，该数据集由629个个体（314例）和来自X染色体的8，048个SNP组成。我们任意定义了一个具有两个易感性SNP和上位效应的加性疾病模型。这三种算法是一致的，但向后采样比其他两种算法快得多。我们的方法也给出了与Hapgen一致的结果。使用我们的应用数据，我们表明，我们的有限的设计需要一个生物先验限制调查区域。我们还证明，上位效应可以发挥重要作用，即使在简单的标记统计（如趋势）。我们最终表明，GWA研究的整体表现强烈依赖于疾病的患病率：患病率越大，功效越好。
2012-01-24 q-bio.GN stat.AP
A Distance-Based Test of Association Between Paired Heterogeneous Genomic Data
由于快速的技术进步，可以从给定的生物样品获得广泛的不同测量，包括单核苷酸多态性、拷贝数变异、基因表达水平、DNA甲基化和蛋白质组学谱。这些不同的测量提供了表征生物多样性的某个方面的手段，并且广泛关注的基本问题涉及发现不同数据类型之间的共享变异模式。这种数据类型是异构的，因为它们代表在非常不同的尺度上进行的测量或由非常不同的数据结构描述。我们提出了一个基于距离的统计检验，广义RV（GRV）的测试，以评估是否有一个共同的和非随机的模式之间的变异性配对生物测量从相同的随机样本。测量通过距离测量进入测试，可以选择距离测量来捕获数据的特定方面。提出了一种近似零分布来计算封闭形式的p值，而不需要执行昂贵的蒙特卡罗置换程序。与经典的距离矩阵之间的关联的Mantel测试相比，GRV测试已被发现在许多模拟设置中更强大。我们还报告了应用GRV测试检测生物学途径，其中遗传变异与卵巢癌样本中基因表达水平的变化相关，并提出了从两个独立队列中获得的结果。
2013-03-27 stat.AP stat.ME
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
Is the familywise error rate in genomics controlled by methods based on the effective number of independent tests?
在全基因组关联（GWA）研究中，目标是检测一个或多个遗传标记与给定表型之间的关联。在GWA研究中遗传标记的数量可以是数十万的量级，因此需要多重检验方法。本文介绍了一套流行的方法，用于纠正多重检验在GWA研究。所有这些都是基于估计独立测试的有效数量的概念。我们比较这些方法使用模拟数据和TOP研究的数据，并表明，独立测试的有效数量是不加性的独立遗传标记的块，除非我们假设一个共同的本地显着性水平的值。我们还表明，审查的方法的基础上估计的有效数量的独立测试一般不控制familywise错误率。
2016-12-21 stat.AP stat.ME
Phenotyping with Positive Unlabelled Learning for Genome-Wide Association Studies
Institute of Health Informatics, University College London（伦敦大学学院健康信息学研究所）；Benevolent AI（Benevolent AI公司）
针对电子健康记录噪声导致的表型错误分类会削弱GWAS关联检测能力的问题，提出结合锚定学习与Transformer的AnchorBERT模型，可在更少样本下检测到更多显著基因组关联。
2022-02-15 cs.LG stat.AP
A General Framework for Powerful Confounder Adjustment in Omics Association Studies
本文提出2dFDR+框架，通过结合边缘和条件独立性检验统计量，提升基因组关联研究中混杂因素调整的统计功效和假发现率控制效果。
2022-09-06 stat.AP stat.ME
Analysis of Genotype-Phenotype Association using Genomic Informational Field Theory (GIFT)
我们展示了如何场和信息理论可以用来量化基因型和表型的情况下，表型是一个连续变量之间的关系。给定一个样本人口的表型测量，从各种已知的基因型，我们展示了如何排序的表型数据可以导致量化的基因型的影响。该方法不假设数据具有高斯分布，它在提取基因型对表型的弱和不寻常的依赖性方面特别有效。然而，在数据具有特殊形式（例如高斯）的情况下，我们观察到有效表型字段具有特殊形式。我们使用渐近分析来解决这两个问题的正向和反向配方。我们展示了如何计算$p$ -值，以便可以量化表型和基因型之间的相关性的意义。这为全基因组关联研究GWAS中使用的传统方法提供了重要的概括。我们推导出一个场强，它可以用来推断基因型和表型之间的相关性，以及它们对表型分布的影响。
2022-06-09 q-bio.QM stat.ME
Covariate Adaptive Family-wise Error Rate Control for Genome-Wide Association Studies
家系错误率（FWER）已被广泛用于全基因组关联研究。随着功能基因组学数据的日益可用性，有可能通过利用这些基因组功能注释来提高检测能力。以前的努力，以适应协变量在多重检验集中在错误发现率控制，而协变量自适应FWER控制程序仍然开发不足。在这里，我们提出了一种新的协变量自适应FWER控制程序，它结合了外部协变量，这是潜在的信息无论是统计功效或先验零概率。一个有效的算法来实现所提出的方法。我们证明了它的渐近有效性，并通过一个扰动型参数获得收敛速度。我们的数值研究表明，新的程序比竞争的方法更强大，并保持在不同的设置的鲁棒性。我们将所提出的方法应用于英国生物银行的数据，并分析了27个性状与900万个单核苷酸多态性的相关性。75个基因组注释被用作协变量。我们的方法比其他方法在27个性状中的21个中检测到更多的全基因组显著位点。
2020-12-23 stat.ME
Eigen-Epistasis for detecting Gene-Gene interactions
在全基因组关联研究（GWASs）中，上位性相互作用的检测和研究已成为研究的热点。大多数的文献集中在单核苷酸多态性（SNPs）之间的低阶相互作用显着mainingeffects.In本文中，我们提出了一个原始的方法来检测上位性在基因水平上，没有系统地过滤显着的基因。我们首先计算每个基因对的相互作用变量，通过找到其特征上位性分量，定义为与表型具有最高相关性的基因SNP的线性组合。显著性效应的选择是使用基于Group Lasso控制错误发现率的惩罚回归方法进行的，该方法使用合成数据对文献中最近的两个替代方案进行了测试，并在不同的设置中显示出良好的性能。我们通过检测三个全基因组关联研究的新基因-基因相互作用来证明我们的方法的力量。
2017-02-16 stat.AP stat.ME
Detecting Epistatic Selection with Partially Observed Genotype Data Using Copula Graphical Models
由不同亲本衍生的重组自交系在远缘基因座间表现出广泛的分离畸变和长距离连锁不平衡。这些基因组特征与近交过程中的上位性选择一致。上位性相互作用影响生长和生育性状，甚至导致完全致死。检测上位性是具有挑战性的，因为多重检验方法功率不足，并且难以区分真正的长程LD与漂移。在这里，我们开发了一种方法，用于从多位点基因型数据中重建高维上位性选择的基因组签名的底层网络。该网络捕获的条件依赖的短距离和长距离LD结构，从而揭示了“异常”的标记-标记协会，是由于上位选择，而不是配子连锁。网络估计依赖于惩罚高斯copula图形模型，该模型考虑了大量的标记p和少量的个体n。我们的算法的多核实现使得在存在显著部分的缺失数据的情况下也可以在高维中估计图。我们证明了所提出的方法在模拟数据集以及拟南芥和玉米的基因分型数据上的效率。此外，我们在R包netgwas中实现了该方法，该包可在https://CRAN.R-project.org/package=netgwas免费获得。
2017-12-31 q-bio.GN q-bio.MN q-bio.PE
A pathway-based kernel boosting method for sample classification using genomic data
Yale University（耶鲁大学）
癌症基因组数据的分析长期以来一直遭受“维数灾难”。大多数癌症基因组研究的样本量最多只有几百个，而研究的基因组特征有数万个。已经提出了各种方法来利用现有的生物学知识，如途径，以更有效地分析癌症基因组数据。大多数的方法集中在测试的边缘显着性的途径和临床表型之间的关联。它们可以识别相关途径，但不涉及预测建模。在这篇文章中，我们提出了一种基于路径的核提升（PKB）方法，用于整合基因路径信息进行样本分类，其中我们使用从每个路径计算的核函数作为基础学习器，并通过迭代优化分类损失函数来学习权重。我们将PKB和几种竞争性方法应用于三种癌症的病理和临床信息研究，包括肿瘤分级、分期、肿瘤部位和转移状态。我们的研究结果表明，PKB优于其他方法，并确定相关的结果变量的途径。
2018-03-11 cs.LG q-bio.QM stat.ML
Correlated frailty model for analysis of genetic association in family studies
Lunenfeld-Tanenbaum Research Institute, Mount Sinai Hospital（伦内费尔德-塔纳鲍姆研究所，西奈山医院）；Bordeaux Population Health Research Center U1219, Inserm（波尔多人口健康研究中心U1219，法国国家健康与医学研究院）；Department of Epidemiology and Biostatistics, Western University（韦仕敦大学流行病学与生物统计学系）
本文提出相关脆弱模型，用于分析家系研究中与癌症相关的生存结局的遗传关联，经模拟评估显示该模型可用于识别与癌症发病时间显著相关的基因组区域。
2026-08-04 stat.AP
Evaluating unsupervised disentangled representation learning for genomic discovery and disease risk prediction
Google Research（谷歌研究院）
本研究在遗传关联研究背景下评估多种无监督解耦表示学习方法，发现FactorVAE和beta-VAE相比标准方法能提升基因组发现与疾病风险预测效果，且FactorVAE超参数鲁棒性更强。
2023-07-17 cs.LG q-bio.GN stat.ML
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
Learning the optimal scale for GWAS through hierarchical SNP aggregation
全基因组关联研究（GWAS）旨在确定与罕见人类疾病相关的因果基因组变异。检测这些变异的经典统计方法是基于单变量假设检验，在每个基因座对健康个体与受影响个体进行检验。考虑到个体的基因型由多达一百万个SNP表征，这种方法缺乏精确性，因为它可能产生大量的假阳性，从而导致关于与疾病的遗传关联的错误结论。提高真正的遗传关联检测的一种方法是通过对SNP进行分组来减少要检验的假设的数量。结果如下：我们提出了一个降维的方法，可以应用在GWAS的背景下，利用人类基因组的单倍型结构。我们比较了我们的方法与标准的单变量和多变量方法的合成和真实的GWAS数据，我们表明，通过聚集SNP降低预测矩阵的维数，可以更精确地检测表型和基因组区域之间的关联。
2018-10-19 stat.ME
Neural Networks beyond explainability: Selective inference for sequence motifs
Université de Lyon（里昂大学）；Université Lyon 1（里昂第一大学）；CNRS（法国国家科学研究中心）；VetAgro Sup（国立兽医、农学与食品学院）；École Centrale de Lyon（里昂中央理工学院）
在过去的十年里，神经网络已经成功地从生物序列中进行预测，特别是在调控基因组学的背景下。与深度学习的其他领域一样，已经设计了一些工具来提取特征，例如可以解释训练网络所做预测的序列基序。在这里，我们打算超越可解释的机器学习，并引入SEISM，这是一种选择性推理程序，用于测试这些提取的特征与预测表型之间的关联。特别是，我们讨论了如何训练一层卷积网络在形式上等同于选择最大化某个关联得分的基序。我们适应现有的采样为基础的选择性推理程序，通过量化这个选择在一个无限的集合到一个大的，但有限的网格。最后，我们表明，在一个特定的参数选择下的采样是足够的特征复合零假设通常用于选择性推理的结果，远远超出了我们的特定框架。我们说明了我们的方法在校准，功率和速度方面的行为，并讨论了它的功率/速度权衡与一个更简单的数据分割策略。SEISM为调控基因组学中使用的神经网络的更简单分析以及全基因组关联研究（GWAS）的更强大方法铺平了道路。
2022-12-23 cs.LG q-bio.GN stat.ML
Large-scale machine learning-based phenotyping significantly improves genomic discovery for optic nerve head morphology
全基因组关联研究（GWAS）需要准确的队列表型，但专家标记可能是昂贵的，耗时的和可变的。在这里，我们开发了一个机器学习（ML）模型来预测彩色眼底照片中的昏迷性视神经乳头特征。我们使用该模型预测垂直杯盘比（VCDR），这是青光眼的诊断参数和主要内在表型，在英国生物银行（UKB）的65，680名欧洲人中进行。基于ML的VCDR的GWAS在156个基因座中鉴定了299个独立的全基因组显著（GWS; $P\leq5\times10^{-8}$）命中。基于ML的GWAS复制了UKB最近VCDR GWAS中65个GWS位点中的62个，其中两名眼科医生手动标记了67，040名欧洲人的图像。基于ML的GWAS还确定了92个新位点，显著扩展了我们对青光眼和VCDR遗传病因学的理解。通路分析支持VCDR的新命中的生物学意义，选择基因座附近的基因参与神经元和突触生物学或已知引起严重的孟德尔眼科疾病。最后，在独立EPIC-Norfolk队列中，基于ML的GWAS结果显著改善了VCDR和原发性开角型青光眼的多基因预测。
2020-11-25 q-bio.GN stat.AP
Exact conditional p-values from arbitrary ranking of a sample space: An application to genome-wide association studies
我们介绍了一种方法，用于计算精确的条件效率强大的枚举p值检测基因型-表型协会在一个单一的双等位基因遗传位点。我们的方法可以基于任何任意的排名检验统计量，如效率稳健检验统计量或渐近p值。得到的p值是精确条件枚举p值，满足基本统计有效性属性。实际上，该方法允许在基因组分析中进行统计学有效的显著性检验，其中在个体双等位基因遗传位点处具有未知的遗传模式-这是全基因组关联研究中的典型情况。我们提供了一个实现该方法的开源R代码。
2013-07-29 stat.ME
Pathways of Distinction Analysis: a new technique for multi-SNP analysis of GWAS data
由于技术的进步，全基因组关联研究已经变得越来越普遍，并且已经允许鉴定与疾病相关的单核苷酸多态性（SNP）等位基因的差异。然而，虽然典型的GWAS分析技术单独处理标记物，但复杂疾病不太可能具有单一致病基因。因此，迫切需要多SNP分析方法，可以揭示病例和对照的系统水平差异。在这里，我们提出了一种新的多SNP GWAS分析方法，称为区分分析途径（PoDA）。该方法使用GWAS数据和已知的通路基因和基因SNP关联来识别允许理想情况下区分病例和对照的通路。该技术是基于这样的假设，即如果一个途径与疾病风险有关，那么与该途径相关的SNP的对照相比，病例将与其他病例更相似。通过将该方法系统地应用于所有潜在感兴趣的途径，我们可以识别出假设成立的那些途径，即，含有SNP的途径，其中样品表现出比跨类更大的类内相似性。重要的是，PoDA改进了现有的单SNP和SNP集富集分析，因为它不需要途径中的SNP表现出独立的主效应。这允许PoDA揭示上位性相互作用驱动风险的途径。在本文中，我们详细的PoDA方法，并将其应用到两个GWA研究：乳腺癌，和其他肝癌。所获得的结果强烈表明，存在有助于疾病易感性的通路范围的基因组差异。因此，PoDA提供了一个分析工具，是对现有技术的补充，并有能力在系统水平上丰富我们对疾病基因组学的理解。
2011-03-17 q-bio.GN q-bio.MN q-bio.QM
Sparse inference of the human hematopoietic system from heterogeneous and partially observed genomic data
造血是血细胞形成的过程，通过该过程，祖细胞干细胞分化成成熟形式，如白细胞和红细胞或成熟血小板。虽然成熟形式的前体共享许多涉及共同细胞核因子的调控途径，但特定的调控网络将其命运塑造为一个谱系或另一个谱系。在这项研究中，我们的目的是分析复杂的调控网络，驱动成熟的红细胞和血小板从他们的共同前体的形成。为此，我们开发了一个专用的图形模型，我们从最新的RT-qPCR基因组数据推断。该模型还考虑了外部基因组数据的影响。计算高效的期望最大化算法允许从高维且通常仅部分观察到的RT-qPCR数据进行正则化网络推断。交替方向乘法算法的仔细组合允许实现个体谱系网络中的稀疏性和这些网络之间的高共享，以及检测膜结合受体与核因子之间的关联。该方法将在R软件包cglasso中实现，并可用于从高维，异构和部分观测数据进行网络推理的类似应用。
2022-06-20 stat.ME
Optimal Estimation of Simultaneous Signals Using Absolute Inner Product with Applications to Integrative Genomics
整合全基因组关联研究（\textsc{gwas}）和表达数量性状基因座（e \textsc{qtl}）数据的汇总统计量提供了一种鉴定其表达水平可能与复杂疾病相关的基因的强有力的方法。基于两个高斯序列的平均值引入了一个称为$T$ -score的参数，该参数基于汇总统计量量化基因和疾病表型之间的遗传重叠。具体地，给定两个独立样本$\mathbf{x}_n\sim N(θ, Σ_1)$和$\mathbf{y}_n\sim N(μ, Σ_2)$，$T$分数被定义为$\sum_{i=1}^n |θ_iμ_i|$，一种非平滑泛函，其表征两个绝对正态平均向量$|θ|$和$|μ|$之间共享信号的量。利用逼近理论，估计量的构造和证明是极大极小率最优和自适应在各种参数空间。仿真研究表明，所提出的估计优于现有的方法。该方法应用于心力衰竭基因组学数据集的综合分析，我们确定了几个基因和生物学途径，可能是人类心力衰竭的原因。
2020-10-05 math.ST stat.ME stat.TH
GSAE: an autoencoder with embedded gene-set nodes for genomics functional characterization
The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）；The University of Texas Health Science Center at San Antonio（德克萨斯大学圣安东尼奥健康科学中心）；Northwestern Polytechnical University（西北工业大学）
生物信息学工具已经被开发用于在基因组水平上解释基因表达数据，并且这些基于基因组的分析提高了生物学家发现其实验设计的功能相关性的能力。在对基因集进行单独研究时，很少考虑基因集间的关联。深度学习是计算生物学中新兴的机器学习技术，可用于生成基因集的无偏组合，并通过利用大型基因组数据集来确定这些组合基因集的生物相关性和分析一致性。在这项研究中，我们提出了一个基因超集自动编码器（GSAE），一个多层的自动编码器模型与先验定义的基因集，保留在潜在层的关键生物特征。我们引入了基因超集的概念，这是一个由自动编码器训练的基因集与权重的无偏组合，其中潜在层中的每个节点都是一个超集。利用来自TCGA的基因组数据进行训练，并与其伴随的临床参数进行评估，我们显示了基因超集区分肿瘤亚型的能力及其预后能力。我们进一步证明了在显著超集中的顶部组分基因集的生物学相关性。使用自编码器模型和基因超集在其潜在层，我们证明了基因超集保留了足够的生物学信息，肿瘤亚型和临床预后意义。超集还提供了高重现性的生存分析和准确的预测癌症亚型。
2018-12-28 cs.AI cs.LG q-bio.GN
Joint analysis of SNP and gene expression data in genetic association studies of complex diseases
遗传关联研究已成为评估常见单核苷酸多态性（SNP）与复杂疾病之间关联的流行方法。然而，在这些关联研究中，涉及从SNPs到疾病的机制的其他基因组数据，例如基因表达，通常被忽略。在本文中，我们建议利用基因表达信息，更有力地测试SNP和疾病之间的关联，通过联合建模SNP，基因表达和疾病之间的关系。我们提出了一个方差分量测试的总效应的SNP和基因表达的疾病风险。我们在因果中介分析框架内将基因表达作为潜在的中介体进行测试。对于eQTL SNP，基因表达信息的使用可以增强检验SNP集合的总效应的能力，SNP集合是通过基因表达介导的SNP对疾病风险的组合的直接和间接效应。我们发现，在原假设下的检验统计量遵循混合的$χ^2$分布，这可以通过分析或经验使用基于重采样的扰动方法进行评估。我们为三种疾病模型中的每一种构建测试，这些疾病模型仅由SNP决定，SNP和基因表达，或者还包括它们的相互作用。由于真实的疾病模型在实践中是未知的，我们进一步提出了一个综合测试，以适应不同的基础疾病模型。我们使用模拟研究评估所提出的方法的有限样本性能，并表明我们提出的测试表现良好，综合测试几乎可以达到最佳的功率，疾病模型是已知的，并正确指定。我们应用我们的方法重新分析SNP集和ORMDL3基因表达对哮喘风险的总体影响。
2014-04-25 stat.AP
Distance-based analysis of variance: approximate inference and an application to genome-wide association studies
在一些现代应用中，从遗传学到基因组学和神经成像，需要比较不同人群的观察结果，例如健康和患病个体的群体。我们的兴趣在于检测群体效应。当观测值为向量、实值且服从多元正态分布时，常规应用多元方差分析（MANOVA）检验。然而，当处理更复杂的数据结构时，例如函数（例如曲线）或图形结构（例如树和网络）对象，这样的传统过程是不合适的，其中可能违反所需的分布假设。在本文中，我们讨论了一种基于距离的MANOVA类方法，DBF测试，用于检测更广泛的数据类型的组之间的差异。类似于其他基于距离的统计量，检验统计量仅依赖于适当选择的距离度量，该距离度量捕获所有可用样本之间的成对相异性。提出了一种近似零概率分布的DBF统计，从而允许推断得出，而不需要昂贵的置换程序。通过大量的模拟，我们提供的证据表明，所提出的方法适用于一系列的数据类型和距离，并概括了传统的MANOVA测试。我们还报告了所提出的方法的应用程序进行分析的多位点全基因组关联研究阿尔茨海默病，这已进行了使用几个遗传距离的措施。
2012-05-11 stat.AP stat.ME
Unlocking the Power of Multi-institutional Data: Integrating and Harmonizing Genomic Data Across Institutions
Memorial Sloan Kettering Cancer Center（纪念斯隆-凯特琳癌症中心）；University of Michigan（密歇根大学）
针对多机构肿瘤基因组数据因基因面板差异、技术异质性等难以整合的问题，提出Bridge模型，通过分位数匹配潜变量方法提取整合特征，在六种癌症的生存预测中表现更优。
2024-10-29 cs.LG q-bio.GN stat.ME
Association Analysis of Common and Rare SNVs using Adaptive Fisher Method to Detect Dense and Sparse Signals
下一代测序（NGS）技术和基因型插补方法的发展使研究人员能够在全基因组关联研究（GWAS）中测量常见和罕见变异。已经提出了统计方法来测试一组基因组变异，以检测它们中的任何一个是否与表型或疾病相关。实际上，在这组变异中，有一部分未知的变异真正引起疾病或与疾病相关。因为大多数开发的方法是敏感的密集的情况下，其中大部分的变量相关联，或稀疏的情况下，其中只有一小部分的变量相关联，有一个需求的统计方法与高功率在这两种情况下。在本文中，我们提出了一个新的关联测试（加权自适应Fisher，wAF），可以适应密集和稀疏的情况下，通过增加权重的自适应Fisher（AF）方法，我们以前开发的。使用模拟和遗传分析研讨会16（GAW 16）的数据，我们已经表明，新方法具有可比或更好的权力流行的方法，如序列核关联测试（SKAT和SKAT-O）和自适应SPU（aSPU）测试。
2018-12-12 stat.ME
Adjacency-constrained hierarchical clustering of a band similarity matrix with application to Genomics
Université d’Evry Val d’Essonne（埃夫里-瓦勒德埃松大学）；Hyphen-stat；Institute of Plant Sciences Paris Saclay IPS2, CNRS, INRA（巴黎萨克雷植物科学研究所）；MIAT, Université de Toulouse, INRA（农业生物技术研究所，图卢兹大学）
针对基因组数据分析中邻接约束层次聚类的二次复杂度问题，提出基于远距对象相似性可忽略假设的准线性复杂度实现，验证了其生物学有效性与高效性，提供R包adjclust。
2019-02-05 math.ST q-bio.QM stat.TH
Class-Conditional VAE-GAN for Local-Ancestry Simulation
Purdue University（普渡大学）；Stanford University（斯坦福大学）
局部祖先推断（LAI）可以识别混合个体中所有染色体片段的祖先，是人类基因组分析的关键步骤，其应用范围从药物基因组学和精确医学到全基因组关联研究。近年来，许多叶面积指数技术在工业和学术研究中得到了发展。然而，这些方法需要来自感兴趣的祖先的人类基因组序列的大型训练数据集。这种参考数据集通常是有限的、专有的、受隐私限制的保护，或以其他方式不向公众开放。在这种情况下，生成类似于来自感兴趣的祖先的真实单倍体序列的训练样本的技术可以是有用的工具，因为通用模型通常可以共享，但独特的人类样本序列不能共享。在这项工作中，我们提出了一个类条件VAE-GAN产生新的人类基因组序列，可用于训练本地祖先推理（LAI）算法。我们通过比较最先进的LAI方法在使用生成的数据与真实数据进行训练时的性能来评估生成数据的质量。
2019-11-27 cs.LG q-bio.GN stat.ML
Fast Inference of Admixture Coefficients Using Sparse Non-negative Matrix Factorization Algorithms
个体混合系数的推断对于群体遗传和关联研究是重要的，通常使用计算密集型似然算法进行。随着大规模群体基因组数据集的可用性，快速版本的似然算法已经引起了相当大的关注。然而，减少估计算法的计算负担仍然是一个重大挑战。在这里，我们提出了一个快速和有效的方法来估计个人的混合系数的基础上稀疏非负矩阵分解算法。我们在计算机程序sNMF中实现了我们的方法，并将其应用于人类和植物基因组数据集。然后将sNMF的性能与计算机程序ADMIXTURE中实现的似然算法进行比较。在不损失准确性的情况下，sNMF在运行时间内计算混合系数的估计值比ADMIXTURE快约10至30倍。
2013-09-24 q-bio.PE q-bio.QM stat.CO
Misspecification in mixed-model based association analysis
自然群体中的加性遗传方差通常使用混合模型来估计，其中遗传效应的协方差由来自密集标记集的遗传相似性矩阵来建模。一个重要但通常隐含的假设是，任何非加性遗传效应的存在只会增加残差方差，而不会影响加性遗传方差的估计。在这里，我们表明，这只适用于面板无关的个人。如果存在遗传相关性，群体结构和上位性相互作用的结合可能导致加性遗传方差的估计过高。
2015-09-08 stat.AP
Combining controls can improve power in two-stage association studies
高维病例对照研究在生物科学中无处不在，特别是基因组学。为了在限制成本的同时最大限度地提高功效，并最大限度地降低第一类错误率，研究人员通常会在进行进一步分析之前，在第二次独立队列实验中重复研究结果。本文介绍了一种方法，其中控制（或情况下）从发现队列的样本重复使用的复制研究。这种方法的理论意义进行了讨论和模拟用于比较性能对标准方法在一系列的情况下。在几种常见的研究设计中，共享控制方法允许在保留1型错误率控制的同时大幅提高功效。当对照样本难以招募或确定时，出现了一个重要的潜在应用领域;例如在疾病间比较或退行性疾病研究中。使用类似的方法，提出了一个程序的“部分复制”使用一个新的独立的队列组成的控制。当无法进行完整的复制程序时，可使用此方法对结果进行某些验证。与标准程序相比，新方法对研究队列中的混杂因素具有不同的敏感性，在应用中必须考虑到这一点。在这些情况下的1型错误率的分析和经验得出，并提供了一个在线工具，用于比较功率和错误率。尽管必须仔细考虑所有必要的假设，但这种方法可以在全基因组关联研究（GWAS）和其他应用中更有效地使用数据。
2017-07-10 stat.ME
High heritability does not imply accurate prediction under the small additive effects hypothesis
全基因组关联研究（GWAS）仅解释了大多数复杂人类表型的一小部分遗传性。基因组遗传力使用混合模型估计由全基因组上的SNP解释的方差，并解释SNP在解释表型中的许多小贡献。本文从机器学习的角度来研究遗传性，并探讨了混合模型和岭回归之间的密切联系。我们的贡献是双重的。首先，我们提出了估计基因组遗传力的预测方法，通过岭回归和广义交叉验证（GCV）。我们表明，这与基于经典混合模型的估计是一致的。其次，我们推导出简单的公式，表示预测精度作为比率n/p的函数，其中n是人口规模，p是SNP的总数。这些公式清楚地表明，当p>n时，高遗传力并不意味着准确的预测。利用模拟数据和英国生物库的真实数据对遗传力的估计和预测精度公式进行了验证。
2020-07-13 q-bio.GN stat.ME
High-dimensional multi-trait GWAS by reverse prediction of genotypes
University of Bergen（卑尔根大学）
多性状全基因组关联研究（GWAS）使用多变量统计方法同时识别遗传变异与多个相关性状之间的关联，并且比性状的独立单变量分析具有更高的统计功效。反向回归，其中遗传变异的基因型同时对多个性状进行回归，已经成为在性状数量超过样本数量的高维环境中进行多性状GWAS的一种有前途的方法。我们分析了不同的机器学习方法（岭回归，朴素贝叶斯/独立单变量，随机森林和支持向量机）在多性状GWAS中的反向回归，使用来自DREAM 5 SysGen Challenge和两种酵母菌株之间的交叉的基因型，基因表达数据和地面真实转录调控网络来评估方法。我们发现，基因型预测性能，在均方根误差（RMSE）方面，允许区分基因组区域具有高和低的转录活性。此外，模型特征系数与变异体和个体性状之间的关联强度相关，并预测真正的trans-eQTL靶基因，与跨方法的互补发现。可在https://github.com/michoel-lab/Reverse-Pred-GWAS上获得重现分析的代码
2022-02-09 cs.LG q-bio.GN q-bio.QM
Deep Learning for Efficient GWAS Feature Selection
Global Biometrics and Data Sciences（全球生物统计与数据科学）；Bristol Myers Squibb（百时美施贵宝）
本文提出一种扩展的深度学习特征选择方法，通过引入Frobenius范数惩罚增强学生网络，有效处理超高维GWAS数据，并在实验中展现出优越性能。
2023-12-22 cs.LG q-bio.GN stat.ME
variable selection and missing data imputation in categorical genomic data analysis by integrated ridge regression and random forest
全基因组关联研究（GWAS）所获得的基因组数据往往是大规模的，而且是不完整的。其不完备性的一种特殊形式是具有不可解释的缺失机制的缺失值。基因组数据的内在复杂性提出了显着的挑战，在开发一个公正的和翔实的程序表型-基因型关联分析的统计变量选择方法。在本文中，我们开发了一个连贯的分类表型-基因型关联分析的程序，在GWAS数据中的缺失值与不可解释的缺失机制的存在下，通过整合最先进的方法，随机森林的变量选择，加权岭回归与期望最大化算法的缺失数据填补，和线性统计假设检验确定缺失机制。两个模拟的GWAS被用来验证所提出的程序的性能。该程序，然后应用于分析一个真实的数据集，从乳腺癌GWAS。
2021-11-10 stat.AP stat.ME
Accurate Computation of Survival Statistics in Genome-wide Studies
基因组学的一个关键挑战是识别遗传变异，以区分诊断或治疗后生存时间不同的患者。虽然对数秩检验广泛用于此目的，但几乎所有对数秩检验的实现都依赖于渐进近似，这在许多基因组学应用中并不合适。这是因为：由遗传变体确定的两个群体可能具有非常不同的大小;并且许多可能的变体的评估需要非常小的p值的高度精确的计算。我们证明了这个问题的癌症基因组学数据的标准对数秩检验导致许多假阳性体细胞突变和生存时间之间的关联。我们开发和分析了一种新的算法，精确对数秩检验（ExaLT），准确地计算p值的对数秩统计下的精确分布，适用于任何规模的人口。我们在已发表的癌症基因组学研究数据上证明了ExaLT的优势，发现与报告的p值存在显著差异。我们分析了癌症基因组图谱（TCGA）中六种癌症类型的体细胞突变，发现了与生存相关的已知突变以及几种新的关联。相比之下，对数秩检验的标准实现报告了几十个可能的假阳性关联，比这些已知的关联更重要。
2013-09-17 q-bio.QM stat.AP
Bayesian Analysis of Multiway Tables in Association Studies: A Model Comparison Approach
本文研究了多路表未知量的统计推断问题。我们表明，这样的多向表自然形成的回归系数安排在复杂的系统中的线性模型的关联分析。在遗传学和基因组学中，由此产生的双向和三向表涵盖了许多重要的应用。在贝叶斯层次模型框架内，我们通过先验规范定义了多路表的结构。着重于模型的比较和选择，我们推导了贝叶斯因子及其近似的解析表达式，并讨论了它们的理论和计算性质。最后，我们证明了我们的方法使用的基因组应用映射组织特异性eQTL（表达定量位点）的强度。
2013-09-05 stat.AP stat.ME
Statistical advances and challenges for analyzing correlated high dimensional SNP data in genomic study for complex diseases
近年来，信息技术在生物医学等应用领域的迅猛发展，产生了大量具有高维特征空间的大型数据集，为人类提供了大量的信息，为提高人类生活质量提供了新的机遇。与此同时，新数据的不断涌现也给研究者带来了巨大的挑战，需要将这些原始数据转化为科学知识，才能从中获益。近年来，利用SNP数据进行复杂疾病的关联研究成为生物医学研究的热点。在本文中，我们提出了最近的统计进展和复杂疾病的基因组关联研究中分析相关的高维SNP数据的挑战。该综述包括高维相关数据的一般特征约简方法和SNP数据的更具体方法，其中包括无监督单体型映射，标签SNP选择，以及使用统计测试/评分，统计建模和机器学习方法的监督SNP选择，重点是如何识别相互作用的基因座。
2008-03-28 stat.AP
The causal meaning of genomic predictors and how it affects the construction and comparison of genome-enabled selection models
加性遗传效应可以说是动物和植物育种分析中推断的最重要的数量。术语效应表明它代表因果信息，这与回归系数和关联等标准统计概念不同。推断因果信息的过程也不同于标准的统计学习，因为前者需要因果（即非统计）假设，并且涉及额外的复杂性。值得注意的是，推断遗传效应的任务在很大程度上被视为标准的回归/预测问题，这与其标签相矛盾。这种被广泛接受的分析方法本身不足以进行因果学习，这表明因果关系不是选择的重点。考虑到这种不一致性，验证基因组预测因子是否需要代表与选择决策相关的因果效应是很重要的，特别是因为应用回归研究来回答因果问题可能会导致错误的结论。这个问题的答案定义了基因组选择模型是否应该以最大的基因组预测能力或遗传因果效应的可识别性为目标来构建。在这里，我们证明了选择依赖于从基因型到表型的因果效应，并且基因组预测因子只有在将这种效应与其他关联来源区分开来时才对选择有用。相反，捕获非因果信号的基因组预测因子提供与选择不太相关的信息，而不管所得的预测能力如何。针对协变量的选择决策，模拟的例子表明，预测能力，这是通常用于比较模型的标准，可能并不表明选择的基因组预测的质量。此外，我们建议使用替代标准来构建旨在识别遗传因果效应的模型。
2013-12-07 q-bio.QM stat.AP
Hypothesis Testing in High-Dimensional Instrumental Variables Regression with an Application to Genomics Data
基因表达和表型关联可能受到来自多个来源的潜在未测量混杂因素的影响，导致对关联的偏倚估计。由于遗传变异在很大程度上解释了基因表达变异，因此可以在高维工具变量（IV）回归的框架内将其用作研究基因表达与表型之间关联的工具。然而，由于遗传变异和基因表达的维度通常大于样本量，因此统计推断（例如，用于此类高维IV模型的假设检验）并非微不足道，并且尚未在文献中进行研究。由于工具变量（例如，遗传变体）必须在大量的遗传变体中进行选择。研究了稀疏IV回归模型的假设检验问题，给出了单个回归系数的检验方法和多个回归系数的多重检验方法，其中单个回归系数的检验统计量是基于逆回归构造的.一个多重检验程序开发选择变量，并控制错误发现率。仿真进行评估我们所提出的方法的性能。这些方法通过酵母数据集的分析来说明，以确定与过氧化氢存在下的生长相关的基因。
2019-10-21 stat.AP stat.ME
A hierarchical Bayesian model for inference of copy number variants and their association to gene expression
许多统计模型已成功开发用于分析来自单一来源的高通量数据，但很少有方法可用于整合来自不同来源的数据。在这里，我们专注于整合基因表达水平与比较基因组杂交（CGH）阵列测量收集相同的主题。我们指定了一个测量误差模型，该模型将基因表达水平与潜在拷贝数状态相关联，而潜在拷贝数状态又与通过隐马尔可夫模型观察到的替代CGH测量值相关联。我们采用选择先验，利用相邻的拷贝数状态之间的依赖关系，并调查MCMC随机搜索技术的后验推理。我们的方法产生了一个统一的建模框架，可以同时推断拷贝数变体（CNV）并确定它们与mRNA转录本丰度的显着关联。我们展示了模拟数据的性能，并说明了人类癌细胞系基因组研究数据的应用。
2014-04-14 stat.AP
Bayesian Genome- and Epigenome-wide Association Studies with Gene Level Dependence
高通量遗传和表观遗传数据经常被筛选与观察到的表型的关联。例如，人们可能希望测试数十万个遗传变异或DNA甲基化位点与疾病状态的关联。这些基因组变量可以自然地根据它们编码的基因以及其他标准进行分组。然而，在这种应用中的标准实践是独立筛选，具有对多重性的普遍校正。我们提出了一种贝叶斯方法，其中一个给定的基因组变量的关联的先验概率取决于它的基因，和基因特异性的概率建模非参数。这种分层模型允许适当的基因和全基因组多重性调整，并可以被纳入到各种贝叶斯关联筛选方法中，计算复杂性的增加可以忽略不计。我们描述了一个应用程序，以筛选低级别胶质瘤和多形性胶质母细胞瘤肿瘤样本之间的DNA甲基化差异的癌症基因组图谱。软件可通过https://github.com/lockEF/BayesianScreening上的BayesianScreening for R软件包获得。
2016-04-29 q-bio.GN stat.AP stat.ME
Functional Integrative Bayesian Analysis of High-dimensional Multiplatform Genomic Data
多平台分子和基因组学数据的收集和传播的快速发展为聚合这些数据以了解、预防和治疗人类疾病带来了巨大的机会。虽然在多组学数据整合方法中已经取得了显着改进，以发现预后和治疗的生物标志物和机制，但控制这些复杂机制的精确细胞功能仍然需要详细和数据驱动的从头评估。我们提出了一个框架，称为高维多平台基因组数据的功能整合贝叶斯分析（fiBAG），它允许同时识别蛋白质基因组生物标志物的上游功能证据，并将这些知识纳入贝叶斯变量选择模型，以提高信号检测。fiBAG采用高斯过程模型的合并，通过贝叶斯因子量化（可能是非线性的）功能证据，然后将其映射到新的校准尖峰和平板先验，从而指导选择并提供与患者结局相关的功能相关性。使用模拟，我们说明了如何与功能校准的综合方法有更高的权力，以检测疾病相关的标志物比非综合的方法。我们通过对14种癌症类型的泛癌症分析来证明fiBAG的盈利能力，以识别和评估与癌症干性和患者生存相关的蛋白基因组标志物的细胞机制。
2022-12-29 q-bio.GN q-bio.QM stat.AP
Multiple Comparison Procedures for Neuroimaging Genomewide Association Studies
最近的神经影像学研究集中在评估在全基因组范围内测量的遗传变异与脑成像表型之间的关联。该领域的大量工作在全基因组的基础上应用大规模单变量分析来发现影响大脑结构的单核苷酸多态性。在本文中，我们建议使用各种降维方法对大脑结构MRI扫描和基因组数据，由阿尔茨海默病神经影像学倡议（ADNI）的研究。我们还考虑了一种新的多重检验调整方法，并将其与现有的两种错误发现率（FDR）调整方法进行了比较。仿真结果表明，所提出的方法的功率增加。真实数据分析表明，所提出的程序能够找到遗传变异与脑容量差异之间的关联，从而提供潜在的新生物学见解。
2014-03-22 stat.AP stat.CO
RADIOHEAD: Radiogenomic Analysis Incorporating Tumor Heterogeneity in Imaging Through Densities
最近的技术进步已经能够通过放射成像和基因组（放射基因组学）数据的多源整合，详细研究分子结构和肿瘤异质性之间的关联。在本文中，我们整合和利用低级别胶质瘤（LGG）（一种脑癌）患者的放射基因组学数据，以开发一种称为RADIOHEAD（RADIOgenomic analysis including tumor heterosis in imAging through Densities）的回归框架，以确定放射基因组学关联。成像数据通过从多模态磁共振成像获得的肿瘤子区域的体素强度概率密度函数来表示，并且基因组数据通过对应于其基因表达谱的途径富集分数形式的分子签名来表示。采用一个黎曼几何框架的主成分分析的概率密度函数的集合，我们映射每个概率密度的主成分得分，然后包括作为预测因子的贝叶斯回归模型的路径富集得分作为响应的向量。在通过肿瘤子区域诱导的预测因子中与分组结构兼容的变量选择在组尖峰和板之前进行。然后，使用贝叶斯错误发现率机制来基于回归系数的后验分布推断显著关联。我们的分析揭示了与LGG病因相关的几种途径（如突触传递、神经冲动和神经递质途径），与相应的基于成像的预测因子具有显著相关性。
2021-04-07 stat.AP stat.ME
Spatially Structured Regression for Non-conformable Spaces: Integrating Pathology Imaging and Genomics Data in Cancer
针对跨肿瘤活检样本联合建模存在的空间不可适配与高维问题，提出贝叶斯框架下的DreameSpase空间结构化回归模型，经仿真和335份黑色素瘤数据验证有效，还配套了免费高效的实现软件。
2024-06-24 stat.AP
Imputation of truncated p-values for meta-analysis methods and its genomic application
在过去的十年中，微阵列分析同时监测数千个基因的表达活动已经成为生物医学研究的常规。大量的表达谱被生成并存储在公共领域，通过荟萃分析进行信息整合以检测差异表达（DE）基因已经变得流行，以获得增加的统计功效和验证的发现。聚集转换后的$p$值证据的方法已被广泛应用于基因组环境中，其中Fisher和Stouffer方法是最流行的方法。在实践中，DE证据的原始数据和$p$ -值通常在要合并的基因组研究中不可用。相反，仅检测到的DE基因在特定$p$值阈值（例如，具有$p$ -值${}<0.001$的DE基因）在期刊出版物中报道。截断的$p$ -值信息使得上述荟萃分析方法不适用，研究者被迫应用效率较低的投票计数方法或天真地放弃信息不完整的研究。本文的目的是开发有效的荟萃分析方法，这种情况下，部分删失的$p$值。我们开发并比较了三种插补方法-平均插补，单随机插补和多重插补-为一般类的证据聚合方法，其中费舍尔和Stouffer的方法是特殊的例子。每种方法的零分布进行了分析推导，并建立了后续的推理和基因组分析框架。进行模拟以研究（相关的）基因表达数据的第一类错误、功效和错误发现率（FDR）的控制。所提出的方法被应用到几个基因组应用在结直肠癌，疼痛和液体关联分析的抑郁症（MDD）。结果表明，插补方法优于现有的朴素方法。平均插补和多重插补方法表现最好，建议用于未来的应用。
2015-01-19 q-bio.QM stat.AP
Bayesian Approximate Kernel Regression with Variable Selection
非线性核回归模型常用于统计学和机器学习，因为它们比线性模型更准确。核回归模型的变量选择是一个挑战，部分原因是，与线性回归设置不同，回归系数的效应量没有明确的概念。在本文中，我们提出了一个新的框架，提供了一个效果大小模拟贝叶斯核回归模型的每个解释变量时，内核是平移不变的-例如，高斯内核。我们使用移位不变再生核希尔伯特空间（RKHS）的函数分析性质来定义一个线性向量空间，该线性向量空间：（i）捕获非线性结构，（ii）可以投影到原始解释变量上。对原始解释变量的投影作为效应量的模拟。我们使用的特定函数分析性质是，移位不变核函数可以通过随机傅立叶基来近似。基于随机傅立叶展开，我们提出了一类计算效率高的贝叶斯近似核回归（BAKR）模型的非线性回归和二进制分类，可以计算模拟的效果大小。我们通过研究统计遗传学中的两个重要问题来说明BAKR的实用性：基因组选择（即表型预测）和关联映射（即推断显著的变体或位点）。用于基因组选择和关联作图的现有技术方法分别基于核回归和线性模型。BAKR是第一种在这两种情况下都具有竞争力的方法。
2017-06-10 q-bio.QM stat.AP stat.ME
Tumor Radiogenomics with Bayesian Layered Variable Selection
我们提出了一个统计框架，整合放射性磁共振成像（MRI）和基因组数据，以确定低级别胶质瘤（LGG）的潜在放射基因组学协会。我们设计了一种新的成像表型，通过将肿瘤区域分成同心球形层，模仿肿瘤的演变过程。每一层内的MRI数据由基于体素强度的概率密度函数表示，其捕获关于肿瘤异质性的完整信息。在黎曼几何框架下，这些密度被映射到作为成像表型的主成分分数的向量。随后，我们建立贝叶斯变量选择模型的每一层的成像表型作为响应和基因组标记作为预测。我们的新的分层先验公式结合了层的走廊到外部结构，以及基因组标记之间的相关性。我们采用一个计算效率的期望-最大化为基础的估计策略。仿真研究表明，我们的方法相比，其他方法的优越性能。随着对LGG中的癌症驱动基因的关注，我们讨论了一些生物学相关的发现。与生存和肿瘤发生有关的基因被鉴定为与球形层相关，这可能在常规侵入性方法之前作为疾病监测的早期诊断标志物。
2021-06-21 stat.AP stat.ME
CRP-Tree: A phylogenetic association test for binary traits
提出一种基于中国餐馆过程的系统发育关联检验方法，用于二元性状，具有线性计算复杂度，并在多个数据集上验证了其有效性。
2023-02-18 q-bio.PE stat.AP
Nonparametric Bayes Differential Analysis of Multigroup DNA Methylation Data
针对多组DNA甲基化数据的差异分析需求，提出基于粘性皮特曼-约过程的非参数贝叶斯方法BayesDiff，可自适应处理序列依赖并同时推断差异特征，经模拟和胃肠道癌症数据集验证有效。
2023-05-04 stat.AP stat.ME
Boosting multi-view association testing via devariation
University of Toronto（多伦多大学）；Centre for Addiction and Mental Health（成瘾与心理健康中心）；University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
本文提出去变异方法，通过惩罚低秩因子模型捕捉视图内依赖，提升统计功效，验证了其在多模态神经影像数据中的有效性。
2026-03-27 math.ST stat.AP stat.ME
kalis: A Modern Implementation of the Li & Stephens Model for Local Ancestry Inference in R
针对现有Li & Stephens模型后验解码无法扩展至大规模基因组数据的问题，本研究在R语言中开发了高性能软件包kalis，利用多核并行与CPU向量指令集实现大规模局部血统推断。
2022-12-21 stat.AP stat.CO
Integrative Bayesian models using Post-selective Inference: a case study in Radiogenomics
基于基因组学和大量中间表型（如成像）之间统计学相关性的综合分析提供了对其在疾病机制方面的临床相关性的重要见解。然而，在由此产生的综合模型的不确定性估计是不可靠的，除非推断占这些协会的选择与准确性。在这篇文章中，我们开发了选择感知贝叶斯方法，该方法：（i）通过$\ell_1$正则化算法选择有希望的变量后，通过灵活的综合贝叶斯模型中的“选择感知后验”来抵消模型选择偏差的影响;（二）当同一数据集用于选择和不确定性时，在模型选择的质量和推理能力之间取得不可避免的折衷估计。中央我们的方法发展，精心构造的条件似然函数部署与重新参数化映射提供了显着的易处理的更新时，基于梯度的MCMC抽样用于估计不确定性的选择意识后。将我们的方法应用于放射基因组学分析，我们成功地恢复了几个重要的基因通路，并估计了它们与患者生存时间的关系的不确定性。
2022-08-12 stat.AP stat.CO stat.ME
