Multiple-trait Adaptive Fisher's Method for Genome-wide Association Studies
在全基因组关联研究(GWAS)中,越来越需要检测遗传变异与多个性状之间的关联。在复杂疾病的研究中,通常在单个GWAS中测量几个潜在相关的性状。尽管研究的多变量性质,单性状为基础的方法仍然是最广泛采用的分析程序,由于其简单的研究与多性状作为其结果。然而,遗传变异和单个性状之间的关联有时可能很弱,忽视性状之间的实际相关性可能会失去力量。相反,多性状分析,一种同时分析一组性状的方法,已被证明是更强大的,通过合并相关性状的信息。虽然现有的方法已经开发了多个性状,一些缺点限制了它们在GWAS中的广泛应用。在本文中,我们提出了一种多性状自适应Fisher(MTAF)方法来测试遗传变异和多个性状之间的关联,通过自适应地聚集每个性状的证据。所提出的方法可以适应连续和二进制的特点,它在各种情况下具有可靠的性能。使用模拟研究,我们比较了我们提出的方法与现有的几种方法,并证明了其竞争力的第一类错误控制和统计功效。通过将该方法应用于成瘾研究:遗传学与环境(SAGE)数据集,我们成功地识别了与物质依赖相关的几个基因。
2021-02-03 stat.ME
Uncovering shared common genetic risk factors for various aspects of complex disorders captured in multiple traits
识别多个测量特征的共享遗传风险因素在研究复杂疾病中具有极大的兴趣。Marlow(2003)检测复杂性状的共有基因效应的方法在神经发育障碍以及包括肥胖和哮喘在内的其他疾病的文献中具有很大的影响力。虽然它的方法已被广泛应用,并已被推荐为潜在的强大的,这种方法的有效性和权力还没有被检验,无论是理论上还是通过模拟。本文建立了有效性和量化,并解释了该方法的力量。我们表明,无论模型中的性状数量如何,该方法都具有正确的1型错误率,并且与不同遗传模型的标准单变量方法相比,证实了功效增加。我们发现,这些权力增益的主要来源是由一个共同的主基因效应成分引起的性状之间的相关性。我们比较使用的完整的多效性模型,假设马洛,使用一个更一般的模型,允许额外的相关参数,并发现,即使当真正的模型包括这些参数,完整的多效性模型是更强大的,只要性状适度相关的主要基因成分。我们在软件中实现了这种方法和功效计算器,该软件可以通过使用试点数据来计算所需的样本量并选择性状进行进一步的连锁研究来帮助设计研究。我们将该软件应用于俄语阅读障碍的数据。
2009-04-15 stat.ME
Bayesian Neural Networks for Genetic Association Studies of Complex Disease
从大型遗传关联研究中发现因果遗传变异带来了许多困难的挑战。评估哪些遗传标记参与决定性状状态是一项计算要求很高的任务,特别是在存在基因-基因相互作用的情况下。本文提出了一种贝叶斯神经网络形式的非参数贝叶斯方法,用于分析遗传关联研究。对合成和真实数据的演示表明,他们能够有效和准确地确定哪些变异参与确定病例对照状态。使用图形处理单元(GPU),构建这些模型所需的时间减少了几个数量级。与检测遗传相互作用的常用方法相比,贝叶斯神经网络在广泛的可能遗传关系中表现非常好,同时具有处理大型数据集所需的计算效率。
2014-04-16 q-bio.GN stat.AP stat.ML
Estimating heritability of survival traits using censored multiple variance component model
UCLA(加州大学洛杉矶分校);Merck & Co., Inc.(默克公司)
针对右删失生存性状遗传力估计难题,提出删失多方差组分模型,可高效稳健地估计总遗传力,并在UK Biobank数据上验证了其可扩展性与准确性。
2026-09-15 stat.ME
Disentangling the effects of traits with shared clustered genetic predictors using multivariable Mendelian randomization
当基因簇中的遗传变异与疾病结果相关时,从变异到结果的因果途径可能难以解开。例如,趋化因子受体基因簇含有与各种细胞因子相关的遗传变体。该簇中的变体与中风风险之间的关联可能由这些细胞因子中的任何一种驱动。多变量孟德尔随机化是标准单变量孟德尔随机化的扩展,用于估计具有共享遗传预测因子的相关暴露的直接影响。然而,当遗传变异被聚类时,出现了金发姑娘困境:在分析中包括太多高度相关的变异可能导致条件反射,但过于积极地修剪变异可能导致不精确的估计,甚至缺乏识别。我们提出了多变量的方法,使用主成分分析,以减少许多相关的遗传变异到一个较小的正交分量,用作工具变量。我们在模拟中表明,这些方法导致更精确的估计,是不太敏感的数值不稳定性,由于强相关性和输入数据的小变化。我们应用这些方法来证明趋化因子基因簇中最可能的中风危险因素是单核细胞趋化蛋白-1。
2021-10-02 stat.ME
Hypothesis testing for quantitative trait locus effects in both location and scale in genetic backcross studies
本文在位置-尺度分布族假设下,推导了遗传回交研究中QTL位置与尺度效应似然比检验的极限分布及显式表示,并通过模拟和实例验证了渐近性质。
2025-07-18 stat.ME
Testing Procedures for Strict Pleiotropy in Genetic Association Studies
本文提出两种基于GWAS z分数的检验程序,用于识别严格多效性SNP并确定最少关联性状数,分别控制家族-wise错误率和FDR,并通过模拟及阿尔茨海默病生物标志物应用验证其性能。
2026-10-02 stat.ME
VIMCO: Variational Inference for Multiple Correlated Outcomes in Genome-wide Association Studies
在全基因组关联研究(GWAS)中,已经测量了参与者的多个相关性状,联合分析策略(由此联合分析性状)可以比单性状分析策略提高统计功效。在对多个性状进行联合GWAS分析时,有两个感兴趣的问题需要解决。第一个问题是检查一个基因位点是否与任何被测性状显著相关。第二个问题的重点是确定与遗传位点相关的特定性状。由于现有的方法主要集中在第一个问题,本文试图提供一个补充的方法,解决第二个问题。我们提出了一种新的方法,变分推断多相关结果(VIMCO),重点是确定特定的性状,是与遗传位点,当执行联合GWAS分析多个性状,同时占多个性状之间的相关性。我们进行了广泛的数值研究,并应用VIMCO分析了两个数据集。数值研究和实际数据分析表明,VIMCO提高统计功效比单性状的分析策略时,多个性状相关和不相关的性能相当。
2018-07-27 stat.ME
Multivariate Bayesian variable selection with application to multi-trait genetic fine mapping
针对多个相关且异质响应的变量选择问题,提出一种结合分组结构、多层次选择和先验生物知识的多元贝叶斯方法,并用于多性状遗传精细定位。
2024-03-01 stat.ME
Estimating trans-ancestry genetic correlation with unbalanced data resources
本文的目的是提出一种新的估计方法,使用遗传预测的观察来估计跨祖先的遗传相关性,描述了复杂性状的遗传结构如何在群体之间变化,在全基因组关联研究(GWAS)。我们的新估计量校正了由高维弱GWAS信号引起的预测误差,同时解决了GWAS数据在不同种族之间的异质性,例如连锁不平衡(LD)差异,这可能导致在不可知分析中出现偏倚。此外,我们的估计器只需要一个人口有一个大的GWAS样本量,第二个人口只能有一个小得多的参与者(例如,数百)。它旨在专门解决不平衡的数据资源,例如欧洲人群的GWAS样本量通常大于非欧洲血统群体。英国生物银行研究中30个复杂性状的广泛模拟和真实数据分析表明,我们的方法能够提供广泛的复杂性状的可靠估计。我们的研究结果为群体特异性遗传发现的可转移性提供了深刻的见解。
2022-03-23 stat.ME
Distinguishing correlation from causation using genome-wide association studies
Harvard T.H. Chan School of Public Health(哈佛大学陈曾熙公共卫生学院)
全基因组关联研究(GWAS)已经成为疾病生物学遗传线索的丰富来源,并且它们揭示了许多疾病和性状之间的强烈遗传相关性。其中一些遗传相关性可能反映了因果关系。我们开发了一种方法来量化遗传相关性状之间的因果关系,使用GWAS汇总关联统计。特别是,我们的方法量化性状1的遗传成分的哪一部分也是性状2的因果关系,使用混合四阶矩$E(α_1^2α_1α_2)$和$E(α_2^2α_1α_2)$的双变量效应大小分布。如果性状1与性状2有因果关系,则影响性状1(大$α_1^2$)的SNP将对性状2(大$α_1α_2$)具有相关效应,但反之亦然。我们在广泛的模拟中验证了这种方法。在52个性状(平均$N=331$ k)中,我们确定了30个假定的遗传因果关系,其中许多是新的,包括LDL胆固醇对骨密度降低的影响。更广泛地说,我们表明,它是可能的遗传相关性和因果关系之间的区别使用遗传关联数据。
2018-11-21 cs.LG stat.ME stat.ML
Maximizing the Power of Principal Components Analysis of Correlated Phenotypes in Genome-wide Association Studies
主成分分析(PCA)是一种有用的统计技术,通常用于相关变量的多变量分析。它通常作为一种降维方法应用:测试解释总方差的最大主成分(PC)与感兴趣的预测因子的关联,忽略其余的PC。该策略已被广泛应用于遗传流行病学,但其某些方面在单核苷酸多态性(SNPs)关联测试的背景下并没有得到很好的理解。在这项研究中,我们回顾了主成分分析的理论基础和它的行为时,测试之间的关联SNP和两个相关性状在各种情况下。然后,我们用模拟来评估几种不同的基于PCA的策略在分析多达100个相关性状时的能力。我们表明,与普遍的做法,测试的顶级PC只可以显着不足,因为PC解释了少量的总表型方差可以隐藏大量的遗传关联。此外,我们证明,基于PC的策略,使用所有的PC有很大的潜力,以检测负多效性的遗传变异(如与正相关性状的相反影响的变异)和遗传变异,是专门与一个单一的性状,但只实现了适度的增益功率检测阳性多效性的遗传位点。最后,来自MARTHA研究的685名受试者的五个相关凝血性状的全基因组关联研究证实了这些结果。来自凝血性状的五个PC的联合分析确定了两个新的候选SNP,其与解释最小量的表型方差的第五PC最强相关。
2013-09-11 stat.ME
On genetic correlation estimation with summary statistics from genome-wide association studies
全基因组关联研究(Genome-wide association studies,GWAS)已被广泛用于研究单核苷酸多态性(single nucleotide polymorphisms,SNPs)与复杂性状之间的关联,其中样本量n和SNPs数量p都可能非常大。最近,基于GWAS汇总统计量(例如,SNP效应大小)。然而,经验证据显示了一种常见的偏差现象,即即使是高度显著的跨性状PRS也只能解释非常少量的遗传方差(R^2通常<1%)。本文的目的是发展一种新的和强大的方法来解决跨性状PRS的偏差现象。我们从理论上表明,估计的遗传相关性是渐近偏向于零时,复杂的性状是高度多基因/全基因。当所有p个SNPs都被用来构建PRS时,我们证明了PRS估计的渐近偏差与未知的因果SNPs数量m无关。我们提出了一个一致的PRS估计量来纠正这种渐进偏差。我们还开发了一种新的估计遗传相关性,这是完全基于两套GWAS汇总统计量。此外,我们研究了通过GWAS p值进行SNP筛选是否可以改善估计,并显示GWAS之间重叠样本的影响。我们的研究结果可能有助于揭开神秘面纱,并解决令人困惑的“丢失的遗传重叠”现象的交叉性状PRS解剖的遗传相似性密切相关的遗传性状。我们说明了我们的偏差校正PRS估计的有限样本性能,通过使用数值实验和英国生物银行的数据,我们在其中评估脑白质束和神经精神疾病之间的遗传相关性。
2019-03-04 q-bio.GN q-bio.NC stat.ME
A Penalized Multi-trait Mixed Model for Association Mapping in Pedigree-based GWAS
在全基因组关联研究(GWAS)中,惩罚效应是识别与性状相关的遗传标记的重要方法,而混合模型在解释样本间复杂的依赖结构方面取得了成功。因此,惩罚线性混合模型是一种结合惩罚方法和线性混合模型优点的工具。在这项研究中,GWAS与多个高度相关的性状进行了分析。对于多个数量性状高度相关的GWAS,使用性状进行分析不可避免地丢失了多个性状之间的一些重要信息。我们提出了一个惩罚MTMM,惩罚多变量线性混合模型,允许两个性状内和性状间方差分量同时为多个性状。提出的惩罚MTMM使用AI-REML方法估计方差分量,并同时使用组MCP和稀疏组MCP进行变量选择和点估计。使用最佳线性无偏预测器(BLUP)来寻找预测值,并使用预测值与其相应观测值之间的Pearson相关性来评估预测性能。通过仿真研究,评估了该方法的预测和选择性能,并与单性状惩罚LMM进行了比较。我们将所提出的方法应用于遗传分析研讨会(GAW)18的GWAS数据。
2013-05-19 stat.ME
Semiparametric efficient estimation of genetic relatedness with machine learning methods
本文在无模型框架下结合机器学习构建遗传协方差与遗传相关的半参数有效估计量及置信区间,并通过模拟和小鼠 GWAS 数据验证。
2023-06-02 math.ST stat.ME stat.TH
Statistical Inference for Genetic Relatedness Based on High-Dimensional Logistic Regression
研究了基于个体水平全基因组关联数据的二元性状间遗传相关性的统计推断问题。具体而言,在高维逻辑斯谛回归模型下,我们定义了表征性状间遗传相关、遗传协方差和性状特异性遗传方差的参数。提出了一种新的加权去偏方法,并给出了计算效率较高的去偏估计。研究了这些估计的收敛速度,并在较弱的条件下证明了它们的渐近正态性。此外,我们构造了这些参数的置信区间和统计检验,并提供了理论依据的方法,包括覆盖概率和预期长度的置信区间,以及拟议的测试的大小和功效。在模型生成数据和模拟遗传数据下进行了数值研究,以显示所提出的方法的优越性。通过分析自身免疫性疾病的真实数据集,我们证明了它能够获得关于10种儿科自身免疫性疾病之间共享遗传结构的新见解。
2022-10-05 math.ST stat.AP stat.ME
Mendelian randomization with fine-mapped genetic data: choosing from large numbers of correlated instrumental variables
孟德尔随机化使用遗传变异来对风险因素对结果的影响进行因果推断。有了精细映射的遗传数据,在单个基因区域中可能有数百个遗传变异,其中任何一个都可以用来评估这种因果关系。然而,在分析中使用太多的遗传变异可能会导致虚假的估计和夸大的1型错误率。但是,如果只使用少数遗传变异,那么大多数数据都会被忽略,估计值对变异的特定选择高度敏感。我们提出了一种方法的基础上总结的数据(遗传关联和相关性估计),使用主成分分析,形成工具。这种方法具有理想的理论特性:它考虑了数据的整体性,并且不会受到数值不稳定性的影响。它在模拟研究中也具有良好的特性:它对分析中包含的遗传变异或遗传相关矩阵的变化并不特别敏感,并且它不会大大夸大1型错误率。总的来说,该方法给出的估计值不如变量选择方法(例如使用条件分析或修剪方法来选择变体)精确,但对变量选择步骤中看似任意的选择更稳健。方法说明了一个例子,使用遗传协会与睾酮的320个遗传变异,以评估性别歧视相关的途径对冠状动脉疾病风险的影响,其中变量选择方法给出不一致的推论。
2017-07-07 stat.ME
The hidden factor: accounting for covariate effects in power and sample size computation for a binary trait
准确的把握度和样本量估计对于遗传关联研究的设计和分析至关重要。当通过逻辑斯谛回归分析二元性状时,重要的协变量如年龄和性别通常包括在模型中。然而,在研究计划期间,在把握度或样本量计算中很少适当考虑它们的影响。与分析连续性状时不同,二元性状和遗传变异之间的关联检验的能力显式地取决于协变量效应,即使在基因-环境独立的假设下也是如此。早期的工作认识到这个隐藏的因素,但实现的方法是不灵活的。因此,我们提出并实现了一个广义的方法来估计功率和样本量(发现或复制)关联研究的二元性状,a)容纳不同类型的非遗传协变量E,b)处理不同类型的G-E关系,和c)是计算效率。大量的模拟研究表明,该方法是准确的,计算效率高的前瞻性和回顾性的抽样设计与各种协变量结构。一个原理证明应用程序集中在英国生物银行数据中研究不足的非洲样本上。结果表明,与研究连续血压性状相反,当分析二元高血压性状时,忽略年龄和性别的协变量影响会导致高估功效和低估重复样本量。
2022-10-03 stat.AP stat.CO stat.ME
Modeling and Testing for Joint Association Using a Genetic Random Field Model
在确定易患常见复杂疾病的单一遗传变异方面取得了实质性进展。尽管如此,人类疾病的遗传病因仍然在很大程度上未知。人类复杂疾病可能是由大量遗传变异而不是单一变异的联合作用所影响。考虑连锁不平衡(LD)和潜在相互作用的多个遗传变异的联合分析可以进一步加强发现过程,从而识别新的疾病易感性遗传变异。基于空间统计学的最新发展,提出了一种基于随机场理论的遗传随机场模型(GenRF),用于考虑基因间相互作用和LD的联合关联分析。使用伪似然方法,开发了用于多个遗传变体的联合关联的GenRF测试,其具有以下优点:1.考虑复杂的相互作用以提高性能; 2.自然降降维; 3.在LD的存在下提高功率; 4.计算效率高。模拟研究是在各种情景下进行的。与通常采用的内核机器方法SKAT相比,GenRF在存在复杂交互的情况下显示出总体相当的性能和更好的性能。该方法进一步说明了达拉斯心脏研究的应用程序。
2014-05-26 stat.ME
Pooled Association Tests for Rare Genetic Variants: A Review and Some New Results
在寻找与复杂的可遗传人类特征相关的遗传因素时,相当多的注意力现在集中在个别影响较小的罕见变异上。作为回应,最近的许多论文提出了测试策略,以评估一组罕见变异与性状之间的关联,并对各种测试的性能提出了相互竞争的主张。事实上,一个测试的效力取决于任何关联的性质和所讨论的变体的稀有性。我们在一个涵盖广泛的遗传模型和数据类型的一般框架内审查此类测试。我们通过精确或渐近幂公式以及对超过10,000种不同模型的新颖模拟研究来研究特定测试的性能。所考虑的测试也适用于来自1000个基因组项目并由GAW17提供的真实序列数据。我们建议一个测试策略,但我们的研究结果表明,功率检测关联在合理的遗传方案是中等规模的研究低,除非高比例的选择的变异是因果关系。因此,必须相当注意相关的生物学信息,可以指导选择的变种进行测试。
2014-09-09 stat.ME
On block-wise and reference panel-based estimators for genetic data prediction in high dimensions
复杂性状和疾病的遗传预测在精准医学中引起了极大的关注,主要是因为它有可能将全基因组关联研究(GWAS)的发现转化为医学进步。由于遗传变异的高维协方差阵(或连锁不平衡(LD)模式)具有块对角结构,许多现有方法试图解释预定局部LD块/区域中的变异之间的依赖性。此外,由于隐私限制和数据保护问题,每个LD块中的遗传变异依赖性通常从外部参考组而不是原始训练数据集估计。本文提出了一个统一的分析块明智的和参考面板为基础的估计在高维预测框架没有稀疏性限制。我们发现,令人惊讶的是,即使当协方差阵具有块对角结构与明确定义的边界,块的估计方法调整局部依赖性可以是基本上不如控制整个协方差阵的方法准确。此外,建立在原始训练数据集和外部参考面板上的估计方法可能在高维度上具有不同的性能,这可能反映了仅访问来自训练数据集的汇总级数据的成本。这种分析是基于我们的新的结果,在随机矩阵理论的块对角协方差阵。我们使用广泛的模拟和大规模的英国生物银行的36个复杂性状的真实数据分析,数值评估我们的结果。
2022-03-22 stat.ME
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
A Kernel-Based Neural Network for High-dimensional Genetic Risk Prediction Analysis
风险预测利用新兴的人类基因组研究结果为新的预测和预防战略带来了巨大的希望。虽然高通量技术产生的大量遗传数据为我们提供了一个独特的机会来研究用于风险预测的遗传变异的深层目录,但遗传数据的高维性以及遗传变异与疾病结果之间的复杂关系给风险预测分析带来了巨大的挑战。为了解决这些日益严峻的挑战,我们提出了一种基于核的神经网络(KNN)方法。KNN继承了线性混合模型(LMM)和经典神经网络的特征,并设计用于高维风险预测分析。为了处理具有数百万个变体的数据集,KNN将遗传数据总结为核矩阵并使用核矩阵作为输入。基于核矩阵,KNN构建了一个单层前馈神经网络,这使得考虑遗传变异和疾病结果之间的复杂关系成为可能。KNN中的参数估计是基于MINQUE的,我们证明了在一定条件下,KNN的平均预测误差可以小于LMM的平均预测误差。仿真研究也证实了这一结果。
2021-01-28 stat.ME
Efficient Penalized Generalized Linear Mixed Models for Variable Selection and Genetic Risk Prediction in High-Dimensional Data
稀疏正则化回归方法现在被广泛用于全基因组关联研究(GWAS),以解决限制发现潜在重要预测因子的多重检验负担。线性混合模型(Linear mixed models,简称LMM)是一种有效的替代主成分(principal components,简称PC)调整的方法。然而,它们在二元性状GWAS中的使用依赖于无效的假设,即残差方差不依赖于估计的回归系数。此外,Lemp使用响应的协方差阵的单个谱分解,这在广义线性混合模型(GLemp)中不再可能。我们介绍了一种新的方法,称为pglmm,一个惩罚GLMM,允许同时选择遗传标记和估计其影响,占个体间的相关性和二进制性质的性状。我们开发了一种基于PQL估计的计算效率高的算法,该算法允许在高维二进制性状GWAS(~ 300,000 SNP)上缩放正则化混合模型。我们通过模拟结果表明,惩罚LMM和逻辑斯谛回归与PC调整未能正确选择重要的预测因子和/或预测精度下降的二元响应时,相关性矩阵的维数是高的pglmm相比。此外,我们通过分析英国生物银行数据中的两个多基因二元性状证明,我们的方法可以实现更高的预测性能,同时也选择了比稀疏正则化逻辑套索与PC调整更少的预测因子。我们的方法可以作为Julia包PenalizedGLMM. jl使用。
2022-06-24 stat.AP stat.ME
multi-GPA-Tree: Statistical Approach for Pleiotropy Informed and Functional Annotation Tree Guided Prioritization of GWAS Results
全基因组关联研究(GWAS)已经成功地确定了超过20万个基因型-性状关联。然而,仍然存在一些挑战。首先,复杂的性状通常与许多单核苷酸多态性(SNP)相关,大多数具有小或中等的效应大小,使其难以检测。第二,许多复杂的性状由于“多效性”而共享共同的遗传基础,并且尽管很少有方法考虑到它,但是利用多效性可以提高统计功效以检测具有较弱效应大小的基因型-性状关联。第三,目前可用的统计方法在解释遗传变异与特定或多个性状相关的功能机制方面是有限的。我们提出了多GPA树来解决这些挑战。多GPA树方法可以识别与单个以及多个性状相关的风险SNP,同时还可以识别功能注释的组合,这些功能注释可以解释风险相关SNP与性状相关的机制。首先,我们进行了模拟研究,以评估所提出的多GPA树方法,并将其性能与现有的统计方法进行了比较,结果表明,多GPA树优于现有的统计方法在检测风险相关的SNP多性状。其次,我们将多GPA树应用于系统性红斑狼疮(SLE)和类风湿性关节炎(RA),以及克罗恩病(CD)和溃疡性结肠炎(UC)GWAS,以及功能注释数据,包括GenoSkyline和GenoSkylinePlus。我们的研究结果表明,多GPA树可以是一个强大的工具,提高关联映射,同时促进理解复杂性状的潜在遗传结构和潜在的机制,风险相关的SNP与复杂性状。
2023-02-03 stat.AP stat.CO stat.ME
Conditional inference in cis-Mendelian randomization using weak genetic factors
本文提出了一种cis-MR推断方法,利用因子分析降低遗传变异维度并作为工具变量,通过两种条件检验方法解决弱效应下的尺度扭曲问题,为降胆固醇药物靶点验证提供了遗传证据。
2021-12-31 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
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
A U-Statistic-based random forest approach for genetic interaction study
Michigan State University(密歇根州立大学)
本文提出基于U统计量的随机森林方法Forest U-Test,用于数量性状的遗传交互作用研究,模拟实验表明其优于现有方法,并在大麻依赖研究中检测到显著联合关联且获得独立数据集重复验证。
2025-08-19 cs.AI cs.LG q-bio.GN
Wavelet-based genetic association analysis of functional phenotypes arising from high-throughput sequencing assays
了解遗传变异如何影响细胞水平的过程是了解它们如何影响重要的生物体水平特征或“表型”(包括人类疾病易感性)的重要一步。为此,科学家们正在进行大规模的遗传关联研究,旨在确定与分子和细胞表型相关的遗传变异,如基因表达,转录因子结合或染色质可及性。这些研究使用高通量测序分析(例如RNA-seq,ChIP-seq,DNase-seq)来获得关于每个样品中性状如何沿基因组变化的高分辨率数据。然而,典型的关联分析无法利用这些高分辨率的测量,而是以较粗的分辨率聚合数据,例如基因或固定长度的窗口。在这里,我们开发和应用统计方法,更好地利用高分辨率数据。其关键思想是将序列数据视为测量沿基因组变化的潜在“功能”,然后基于小波的功能数据分析方法,测试遗传变异与潜在功能之间的关联。应用这些方法来识别与染色质可及性(dsQTL)相关的遗传变异,我们发现,它们识别出的关联比简单的基于窗口的分析要多得多,总共我们识别出772个未被原始分析识别出的新dsQTL。
2013-07-27 q-bio.GN stat.ME
Equivalence of Kernel Machine Regression and Kernel Distance Covariance for Multidimensional Trait Association Studies
将遗传标记与多维表型相关联是一个重要但具有挑战性的问题。在这项工作中,我们建立了两个流行的方法:核机器回归(KMR)和核距离协方差(KDC)之间的等价性。KMR是一个半参数回归框架,它对协变量效应进行参数化建模,而遗传标记被视为非参数化。KDC代表一类方法,包括距离协方差(DC)和希尔伯特-施密特独立性准则(HSIC),它们是独立性的非参数检验。在一定条件下,我们证明了KMR的得分检验与KDC统计量之间的等价性。这一结果导致一个新的概括的KDC测试,结合了协变量。我们的贡献有三个方面:(1)建立KMR和KDC之间的等价性;(2)表明核机器回归的原理可以应用于对KDC的解释;(3)发展了一个更广泛的KDC统计类,其成员是不同核的数量。我们证明了使用模拟研究的建议。来自阿尔茨海默病神经影像学倡议(ADNI)的数据用于探索基因\emph{FLJ16124}上的遗传变异与根据年龄和性别调整的3D结构脑MR图像中所代表的表型之间的关联。结果表明,\emph{FLJ16124}的SNPs表现出强烈的成对相互作用效应,与脑区体积的变化相关。
2014-04-02 stat.ME stat.ML
Estimating Effects and Making Predictions from Genome-Wide Marker Data
在全基因组关联研究(GWAS)中,数十万个遗传标记(SNP)被测试与性状或表型的关联。报告的影响往往比这些标志物的真实影响更大,即所谓的“赢家的诅咒”。我们认为无偏性的经典定义在这种情况下是没有用的,并建议使用一个不同的无偏性定义,这是我们所提倡的估计量的一个属性。我们提出了一个综合的方法来估计SNP效应和预测性状值,将SNP效应视为随机效应而不是固定效应。传统上用于预测家畜遗传学中的性状值的统计方法,早于SNP数据的可用性,可以应用于GWAS的分析,从而更好地估计SNP效应并预测个体的表型和遗传值。
2010-10-22 q-bio.GN stat.ME
Robust model-based estimation for binary outcomes in genomics studies
在数量遗传学中,统计建模技术用于促进对哪些基因构成重要农艺性状的理解,并使全基因组标记的使用能够加速遗传增益。逻辑斯谛回归模型是二元性状数量遗传分析的统计学最优方法。为了鼓励在此类分析中更广泛地使用逻辑模型,需要努力解决分离问题,每当特定的预测因子组合可以完美地预测二元性状的价值时,就会发生分离。数据分离在预测因子的数量接近样本量的应用中尤其普遍。在这项研究中,我们激励一个逻辑模型,是强大的分离,我们开发了一个新的预测程序,这个强大的模型,是适当的分离存在时。我们表明,这个强大的模型提供了优越的推理和可比的预测现有的方法,同时保持真实的逻辑模型。这是对先前现有方法的改进,该方法将分离视为建模缺点而不是对抗性数据配置。因此,以前的方法改变了建模范式,考虑分离,在我们的鲁棒模型存在之前,是有问题的逻辑模型。我们的比较进行了几个教学的例子和玉米籽粒颜色的基因组学研究。随后的分析重申了我们强大的模型的优越的推断和可比的预测性能。因此,我们的方法为科学家提供了一个适当的统计建模框架,涉及农艺学上重要的二元性状的分析。
2021-10-28 stat.AP stat.ME
Exploring the genetic patterns of complex diseases via the integrative genome-wide approach
动机:全基因组关联研究(GWAS)在数千个个体中检测超过100万个单核苷酸多态性(SNP),已被广泛用于识别复杂疾病的遗传风险变体。然而,大多数已经确定的变异导致的风险增量相对较小,并且只能解释复杂疾病中的一小部分遗传变异。这就是所谓的缺失遗传性问题。有证据表明,许多复杂的疾病与遗传有关,这意味着这些疾病具有共同的遗传风险变体。因此,探索多项相关研究的遗传相关性可能是一种很有前途的策略,可以消除虚假关联并识别潜在的遗传风险变体,从而揭开复杂疾病中遗传性缺失的奥秘。结果:我们提出了一个通用的和强大的方法来识别遗传模式,从多个大规模的基因组数据集。我们将汇总统计量视为一个矩阵,并证明遗传模式将形成一个低秩矩阵加上稀疏分量。因此,我们将问题制定为矩阵恢复问题,我们的目标是发现多种疾病/特征以及每个疾病/特征所共有的风险变体。我们提出了一个凸公式的矩阵恢复和一个有效的算法来解决这个问题。我们证明了我们的方法使用合成数据集和真实数据集的优势。实验结果表明,我们的方法可以成功地重建共享和个人的遗传模式从汇总统计,并取得更好的性能相比,在广泛的场景下的替代方法。
2015-01-26 cs.CE q-bio.QM stat.ME
Using Genetic Distance to Infer the Accuracy of Genomic Prediction
使用高密度基因组数据预测表型性状具有许多应用,例如具有商业价值的植物和动物的选择;并且预计在医学诊断中发挥越来越大的作用。用于此任务的统计模型通常使用交叉验证进行测试,这隐含地假设新的个体(我们想要预测的表型)来自相同的群体,基因组预测模型是trainedon. In本文中,我们提出了一种基于聚类和restemption的方法来研究在预测数量性状时,增加训练和目标群体之间的遗传距离的影响。这对植物和动物遗传学很重要,因为基因组选择程序依赖于未来几轮育种的预测精度。因此,估计预测准确性衰减的速度对于决定使用哪个训练群体以及模型需要多久重新校准一次非常重要。我们发现,真实值和预测值之间的相关性衰减近似线性相对于$\F$或平均亲缘关系之间的训练和目标人群。我们使用模拟和从小鼠,小麦和人类遗传学收集的数据集来说明这种关系。
2016-07-11 q-bio.GN q-bio.QM stat.ME
A copula-based set-variant association test for bivariate continuous or mixed phenotypes
在全基因组关联研究(GWAS)中,研究人员经常处理非正态分布性状或离散-连续性状的混合。然而,目前大多数基于区域的方法依赖于多变量线性混合模型(mvLLM),并假设感兴趣的表型的多元正态分布。因此,这些方法不适用于疾病或非正态分布性状。因此,需要开发统一和灵活的方法来研究一组(可能罕见的)遗传变异和非正常多变量表型之间的关联。Copula是在$[0, 1]$区间上具有均匀边界的多元分布函数,它们为处理多元关联研究中的非正态误差提供了合适的模型。我们提出了一种新的统一的和灵活的基于Copula的多元关联检验(CBMAT),发现遗传区域和二元连续或混合表型之间的关联。我们还推导出一个数据驱动的分析p值的建议区域为基础的得分类型测试的程序。通过模拟研究,我们证明了CBMAT具有很好的控制第一类错误率和更高的权力,以检测关联相比,其他现有的方法,离散和非正态分布的性状。最后,我们应用CBMAT检测位于11号染色体上的两个基因与ASLPAC研究中1,477名受试者的几种血脂水平之间的关联。
2021-09-29 stat.AP stat.ME