Nonlinear network-based quantitative trait prediction from transcriptomic data
通过一组候选基因的表达变化来定量预测表型变量在分子生物学中具有很大的意义，但由于几个原因，它也是一项具有挑战性的任务。首先，收集的生物学观察结果可能是异质的，对应于不同的生物学机制。其次，用于预测表型的基因表达变量可能高度相关，因为基因通过未知的调控网络相互作用。在本文中，我们提出了一种新的方法，旨在预测数量性状的转录组数据，考虑到生物样品的异质性和隐藏的基因调控网络的不同的生物机制。所提出的模型在预测上表现良好，但它也是完全参数化的，这有利于下游生物学解释。该模型根据基因表达数据和表型之间的关系提供个体聚类，并且还导致推断针对每个个体聚类的基因调控网络。我们进行数值模拟，以证明我们的模型与其他预测模型是有竞争力的，我们证明了我们的模型的预测性能和可解释性，从果蝇遗传参考小组（DGRP）的真实数据的转录组数据预测酒精敏感性。
2017-07-20 stat.AP stat.ME stat.ML
Comparison of REML methods for the study of phenome-wide genetic variation
现在有充分的证据表明，功能相关性状之间的遗传协方差导致多变量性状组合中遗传变异的不均匀分布，并且可能导致进化无法进入的大部分表型空间。这个几乎为零的遗传空间的大小如何转化为更广泛的表型水平是未知的。解决这些问题的高维表型数据现在触手可及，然而，将这些数据纳入遗传分析仍然是一个挑战。多性状遗传分析，超过少数性状，是缓慢的，往往无法收敛时，适合REML。这使得估计数千个性状的遗传协方差（$\mathbf{G}$）变得具有挑战性，更不用说研究其特性了。我们提出了一个先前提出的REML算法，是可行的高维遗传研究中的特定设置的平衡巢式半同胞设计，常见的数量遗传学。我们表明，它大大优于其他常见的方法时，性状的数量是大的，我们用它来调查的偏差估计特征值的$\mathbf{G}$和大小的近零遗传子空间。我们发现，观察到的高维偏差定性类似于那些证实了渐近近似在一个简单的设置的样本协方差阵的基础上i.i.d.矢量观测，并解释估计大小的近零遗传子空间需要相当谨慎的遗传变异的高维研究。我们的研究结果为未来的研究提供了基础，其特征在于估计的遗传特征值的渐近近似，以及遗传变异的全表型研究的统计零分布。
2022-10-21 stat.AP
Powerful extreme phenotype sampling designs and score tests for genetic association studies
我们考虑横断面遗传关联研究（常见和罕见变异），其中非遗传信息是可用的，或可行的获得$N$个人，但它是不可行的基因型所有$N$个人。我们考虑连续可测量的高斯性状（表型）。与随机选择$n$个体相比，对$n<N$极端表型个体进行基因分型可以产生更好的功效来检测表型-基因型关联。如果观察到的表型高于指定阈值或低于指定阈值，则我们将一个人定义为具有极端表型。我们考虑一个模型，这些阈值可以为每个人量身定制。经典的极端抽样设计是为所有个体设置相等的阈值。我们介绍了一种设计（$z$ -极端抽样），其中个性化的阈值定义的基础上的残差的回归模型，包括只有非遗传（完全可用）的信息。我们推导出仅分析$n$极端情况（完整病例分析）和分析中包括$N-n$非极端情况（所有病例分析）的非遗传信息的情况下的评分检验。对于经典设计，全案例分析通常比全案例分析更强大。对于$z$极端的样本，我们表明，所有的情况下，完整的情况下测试是同样强大的。模拟和数据分析还表明，$z$ -极端抽样至少是强大的经典极端抽样设计和经典设计被证明是有时不如随机抽样。还讨论了极端表型的二分化方法。
2020-02-05 stat.AP
Generalized genetic association study with samples of related individuals
遗传关联研究是发现与感兴趣的复杂性状相关的遗传因子的重要步骤。在本文中，我们提出了一种新的广义准似然得分（GQLS）测试，适用于研究的数量性状或二元性状。我们使用一个逻辑斯谛回归模型来连接性状的表型值的等位基因频率的分布。在我们的模型中，等位基因频率被视为反应，性状被视为协变量，允许我们不指定性状值的分布。仿真研究表明，我们的方法是一般更强大的基于家庭的关联测试（FBAT）相比，并控制在所需的水平的第一类错误。我们应用我们的方法来分析数据的荷斯坦牛的估计育种值表型，并分析数据的酒精依赖的酒精中毒遗传学的合作研究。结果显示了与文献中先前报道一致的显著SNP和区域的良好部分，并且还揭示了与感兴趣的复杂性状相关的新的显著SNP和区域。
2011-11-23 stat.AP
Nonparametric Reduced-Rank Regression for Multi-SNP, Multi-Trait Association Mapping
全基因组关联研究已被证明对于理解疾病的遗传基础至关重要。然而，许多复杂的特征-人格特征，面部特征，疾病亚型-本质上是高维的，阻碍了简单的关联映射方法。我们开发了一个非参数贝叶斯降秩回归模型的多SNP，多性状关联映射，不需要指定的线性子空间的排名。我们在模拟和真实数据中表明，我们的模型在SNP和相关性状上具有优势，提高了统计功效，以识别与高维表型的可解释的SNP监督的低维线性投影的遗传关联。在HapMap第3阶段基因表达QTL研究数据上，我们鉴定了多效表达QTL，这些QTL是经典单变量检验发现的效力不足的，并且两步方法不能恢复。我们的Python软件BERRRI在GitHub上公开提供：https://github.com/ashlee1031/BERRRI。
2015-12-08 q-bio.GN stat.AP stat.ML
Refining Genetic Discoveries of Group Knockoffs via A Feature-level Filter
本文提出了一种新的特征级过滤方法，用于精炼群体敲offs的基因发现，通过在强相关变异中平衡统计效力和精确度，提高了识别重要特征的效率和准确性。
2025-12-02 stat.AP
Bayesian mixed model inference for genetic association under related samples with brain network phenotype
本文提出贝叶斯网络响应混合效应模型，处理相关样本下脑网络表型的遗传关联，通过效应子网络建模和MCMC推断，在模拟和人类连接组计划数据中验证了有效性。
2023-05-16 stat.AP stat.ME
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
Analysis of Pleiotropy for Testosterone and Lipid Profiles in Males and Females
本文提出一种基于加性遗传相关性和矩阵比较的新方法，仅需GWAS汇总统计数据即可分析性状间的多效性依赖，并辨别性别或年龄组特异性关联，在UK Biobank数据上得到验证。
2024-03-21 stat.AP stat.ME
Adaptive Bayesian computation for efficient biobank-scale genomic inference
MRC Biostatistics Unit, University of Cambridge（剑桥大学医学研究委员会生物统计学单位）
本文提出自适应聚焦策略，结合块坐标上升变分推断框架，实现高效多单元贝叶斯分析，提升生物银行级基因组推断效率与统计性能。
2026-04-29 stat.AP
Bayesian Semiparametric Estimation of Cancer-specific Age-at-onset Penetrance with Application to Li-Fraumeni Syndrome
外显率在遗传研究中起着关键作用，被定义为具有遗传变异的个体的比例（即，{基因型}）并且具有该性状的临床症状（即，{表型}）。我们提出了一种贝叶斯半参数方法来估计癌症特异性的发病年龄在多种癌症的竞争风险的存在下，发病率。我们采用贝叶斯半参数竞争风险模型来模拟持续时间，直到高风险组中的个体患上不同的癌症，并使用家庭似然来适应家庭数据。我们解决了当通过高风险人群中的先证者收集家庭数据时产生的确定偏差，在高风险人群中，疾病病例更容易被观察到。我们将所提出的方法应用于一个队列的186个家庭与李-Fraumeni综合征确定通过先证者与肉瘤治疗的MD安德森癌症中心从1944年至1982年。
2018-05-03 stat.AP
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
Controlling false discoveries in high-dimensional situations: Boosting with stability selection
现代生物技术通常会产生高维数据集，其变量比观测值多得多（n $\ll$ p）。这些数据集对统计分析提出了新的挑战：变量选择成为该设置中最重要的任务之一。我们评估最近提出的灵活的变量选择框架称为稳定性选择。通过使用恢复过程，稳定性选择将有限样本误差控制添加到高维变量选择过程，例如Lasso或boosting。我们认为，结合提高和稳定性的选择和目前的结果，从一个详细的模拟研究，提供了深入了解这种组合的有用性。讨论了局限性，并给出了稳定性选择的规范和调整指南。所使用的误差范围的解释进行了阐述，并给出了实际数据分析的见解。结果将用于检测自闭症谱系障碍患者的差异表达表型测量。所有方法都在免费提供的R包stabs中实现。
2014-11-05 stat.AP stat.CO stat.ML
The Multivariate SEM-PGS Model: Using Polygenic Scores to Investigate Cross-Trait Genetic Nurture and Assortative Mating
本文提出多元SEM-PGS模型，利用多基因评分在结构方程框架中联合估计同性状与跨性状的遗传培育、垂直传递和选型交配效应，并通过模拟验证其无偏性和重要性。
2025-10-07 q-bio.GN q-bio.QM stat.AP
Inferring the heritability of bacterial traits in the era of machine learning
该研究系统总结了机器学习在遗传力推断中的最新进展，聚焦细菌基因组应用，通过合成数据与真实病原体数据分析测试多种方法性能，发现不同方法表现差异大，需针对目标生物遗传结构定制方法以提升推断效果。
2023-01-16 q-bio.GN stat.AP
Computationally Efficient Whole-Genome Signal Region Detection for Quantitative and Binary Traits
本文提出分布式BiRS算法（dBiRS），基于广义线性模型的新无穷范数检验统计量，支持协变量调整及连续/二元性状，通过并行计算实现高效全基因组信号区域检测，并在UK Biobank数据中验证了认知相关基因发现。
2025-01-23 stat.AP
A covariance-enhanced approach to multi-tissue joint eQTL mapping with application to transcriptome-wide association studies
基于遗传预测基因表达的全转录组关联研究有可能识别与各种复杂性状相关的新区域。已经表明，整合对应于多种组织类型的表达数量性状基因座（eQTL）可以提高涉及复杂病因学的关联研究的能力。在这篇文章中，我们提出了一个新的多变量响应线性回归模型和方法，同时预测基因在多个组织中的表达。与现有的多组织联合eQTL定位方法不同，我们的方法结合了组织-组织表达相关性，这使我们能够更有效地处理缺失的表达测量，并使用eQTL基因型的加权总和更准确地预测基因表达。我们通过模拟研究表明，我们的方法在许多情况下比现有的方法表现更好。我们使用我们的方法来估计GTEx收集的29个组织的eQTL权重，并表明我们的方法与竞争对手相比显着提高了表达预测的准确性。使用我们的eQTL权重，我们进行了一个基于多组织的S-MultiXcan全转录组关联研究，并表明我们的方法在新区域和整体上比现有方法有更多的发现。估计的eQTL权重可在github.com/ajmolstad/MTeQTLResults在线下载。
2020-01-23 stat.AP stat.ME
Understanding the population structure correction regression
虽然复杂性状的全基因组关联研究（GWAS）已经取得了巨大的成功，但目前领先的GWAS方法只是针对每个遗传变异分别测试每个基因型-表型关联。奇怪的是，当考虑整个遗传变异的联合模型时，使用这些方法的统计特性是未知的。在这里，我们推进GWAS在理解的“人口结构校正”（PSC）的方法，在GWAS的标准单变量方法的统计特性。我们进一步提出并分析了PSC方法的校正，称为“校正人口校正”（CPC）。结合理论结果，数值模拟表明，CPC总是可比或优于PSC，在某些特殊情况下显着改善。
2021-08-12 q-bio.QM stat.AP stat.ME
Controlling the joint local false discovery rate is more powerful than meta-analysis methods in joint analysis of summary statistics from multiple genome-wide association studies
The Hong Kong University of Science and Technology（香港科技大学）
本文提出了一种基于控制联合局部假发现率的新型汇总统计信息联合分析方法，该方法在处理异质数据集时比传统元分析方法更具统计效力。
2016-05-28 q-bio.GN 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
Mapping eQTL networks with mixed graphical Markov models
由于基因表达性状的高维多变量性质，表达数量性状基因座（eQTL）定位构成了一个具有挑战性的问题。除了混杂因素和其他不需要的变异来源所产生的表达异质性之外，由于遗传、分子和环境的扰动，间接效应遍及基因。从多变量的角度来看，人们希望调整所有这些因素的影响，最终形成一个连接基因型与表型路径的直接关联网络。在本文中，我们接近这个挑战与混合图形马尔可夫模型，高阶条件独立和q阶相关图。这些模型表明，加性遗传效应作为基因-基因相关性的函数通过网络传播。我们的eQTL网络的估计基础上的一个充分研究的酵母数据集导致一个稀疏的结构，更直接的遗传和监管协会，使一个简单的比较遗传控制的基因表达跨染色体。有趣的是，它还揭示了eQTL解释了网络中心基因的大部分表达变异。
2014-10-29 q-bio.GN q-bio.MN q-bio.QM
