Parsimonious and powerful composite likelihood testing for group difference and genotype-phenotype association
在全基因组关联研究（GWAS）中，从病例对照数据中检验一个表型与多个遗传变异之间的关联是必不可少的。这是一项具有挑战性的任务，因为许多此类变体是相关的或无信息的。高维数据的两组总体差异检验问题在复杂的全似然函数下存在相似性。测试可以通过最大复合似然（MCL）来处理，而不需要完全的似然，但是当前的MCL测试由于涉及非信息性或冗余的子似然而受到功率损失。在本文中，我们开发了一个前向搜索和测试方法，同时强大的组差异测试和信息子似然组成。我们的方法构造了一个序列的Wald型检验统计量，逐步只包括信息的子似然，以提高测试功率下的局部稀疏的替代品。数值研究表明，它实现了相当大的改善，可用的测试作为建模复杂性的增长。我们的方法进一步验证了测试动机GWAS数据乳腺癌与有趣的结果。
2016-01-22 stat.AP stat.ME
Marker-based estimation of heritability in immortal populations
遗传力是数量遗传学中的一个核心参数，无论是从进化还是育种的角度来看。对于植物性状的遗传力，传统上是通过比较基因型内和基因型间的变异来估计的。这种方法估计广义遗传力，并没有考虑到不同的遗传相关性。随着高密度标记的出现，人们越来越关注基于标记的狭义遗传力估计，使用混合模型，其中遗传相关性是从遗传标记估计的。这种估计在人类遗传学中受到了很大的关注，但很少报道植物性状。一个主要的障碍是，目前的方法和软件假设每个基因型一个表型值，因此需要基因型手段。我们在这里提出的一种替代方案是在单个工厂或地块水平上使用混合模型。使用统计参数，模拟和真实数据，我们调查这两种方法的可行性，以及这些如何影响G-BLUP和全基因组关联研究的基因组预测。从基因型平均值获得的遗传力估计值具有非常大的标准误，有时在生物学上是不切实际的。在单株或地块水平的混合模型产生更现实的估计，和模拟性状的标准误小到13倍。通过使用这些混合模型，基因组预测也得到了改善，准确度提高了49%。对于模拟性状的GWAS，使用个体植物数据几乎没有增加功效。新的方法适用于任何复杂的性状，其中单个基因型的多个重复可以评分。这包括重要的农业作物，以及细菌和真菌。
2015-02-16 q-bio.PE stat.AP
Improving sequence-based genotype calls with linkage disequilibrium and pedigree information
对人类基因组进行完整和有针对性的测序是一种很有前途的、越来越可行的工具，可用于发现遗传因素对复杂疾病风险的影响。一个关键步骤是从一个人的DNA的多个对齐的短读段序列中识别出他的基因型，每个短读段序列都有核苷酸读段错误。目前的方法被设计为从无关个体的序列数据中分别调用每个基因座的基因型。在这里，我们提出了基于似然性的方法，通过利用序列数据的两个特征来提高调用准确性。第一种是邻近SNP之间的连锁不平衡（LD）。第二个是当相关个体被测序时可获得的孟德尔谱系信息。在这两种情况下，可能性涉及给定基因型的读段变体计数的概率，在未观察到的基因型上求和。控制先验基因型分布和读取错误率的参数可以从序列数据本身或从外部参考数据估计。我们使用模拟和基于1000个基因组计划的合成读取数据来评估所提出的方法的性能。一个将这些方法应用于小家庭的R程序可以在http://med.stanford.edu/epidemiology/PHGC/上免费获得。
2012-06-28 q-bio.GN stat.AP
Efficient inference of parental origin effects using case-control mother-child genotype data
父母起源效应在哺乳动物的发育和疾病中起着重要的作用。病例对照母子配对基因型数据可用于检测亲本来源效应，在实践中收集起来往往很方便。大多数现有的评估亲本来源影响的方法不包括任何协变量，这可能需要控制混杂因素。我们建议通过一个逻辑斯谛回归模型来模拟父母来源的影响，预测因子包括母亲和孩子的基因型，父母的起源，和协变量。亲本来源可能无法完全从目标遗传标记的基因型推断，因此我们建议使用与目标标记紧密连锁的标记的基因型来提高推断效率。一个计算上强大的统计推断程序开发的基础上，在一个回顾性的方式修改配置文件的可能性。设计了一种计算上可行的期望最大化算法来估计修改后的轮廓似然中涉及的所有未知参数。该算法与传统的期望最大化算法的不同之处在于，它是基于修改的而不是原始的轮廓似然函数。在较弱的正则条件下证明了算法的收敛性。这种期望最大化算法还允许方便地处理缺失的子基因型。在较弱的正则条件下，证明了估计量的弱相合性、渐近正态性和渐近有效性。有限的样本属性进行评估，通过广泛的模拟研究和应用到一个真正的数据集。
2022-08-10 stat.ME
Improving population-specific allele frequency estimates by adapting supplemental data: an empirical Bayes approach
遗传标记的等位基因频率的估计是生物学和生物医学研究的关键组成部分，例如人类遗传变异或遗传性状的遗传病因学研究。随着遗传数据越来越容易获得，研究人员面临着一个困境：何时应该将其他研究和人群亚组的数据与原始数据合并？合并额外的样本通常会降低频率估计值的方差;然而，如果使用不当，由于人群分层，合并的估计值可能会严重偏倚。由于这种潜在的偏见，大多数研究人员避免合并，即使是具有相同种族背景和居住在同一大陆的样本。在这里，我们提出了一个经验贝叶斯方法估计等位基因频率的单核苷酸多态性。该过程自适应地结合了相关样本的基因型，使得更相似的样本对估计值有更大的影响。在我们考虑的每个例子中，我们的估计器都实现了比池化或不池化更小的均方误差（MSE），并且有时在两个极端情况下都有显著改善。所引入的偏差是小的，如通过与真实数据示例仔细匹配的模拟研究所示。我们的方法是特别有用的，当小群体的个人基因型在大量的标记，我们很可能会遇到在全基因组关联研究的情况。
2007-12-12 stat.AP
Fast computation of the principal components of genotype matrices in Julia
Massachusetts Institute of Technology（麻省理工学院）；Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室）；Department of Mathematics and Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology（麻省理工学院数学与计算机科学系及计算机科学与人工智能实验室）
本文提出了一种随机矩阵模型，用于快速计算基因组关联研究中基因型矩阵的主成分，采用GKL bidiagonalization方法，比现有工具快36倍。
2018-08-09 cs.CE cs.NA math.NA
Genetic Analysis of Transformed Phenotypes
线性混合模型（Linear mixed models，LMRM）是研究基因型-表型关系的一种有效工具。一个限制性的假设是残差是高斯分布的，这一要求在实践中很少成立。违反这一假设可能导致错误的结论和功率损失，因此通常的做法是预处理表型值以使其成为高斯，例如通过应用对数或其他非线性变换。不幸的是，不同的表型需要不同的特定转化，并且选择“好的”转化通常具有挑战性和主观性。在这里，我们提出了一个扩展的LMM估计从观察到的数据的最佳转换。在对来自人类、小鼠和酵母的真实数据的广泛模拟和应用中，我们表明，使用这种最佳转换可以提高全基因组关联研究的能力，提高遗传力估计和表型预测的准确性。
2014-02-25 q-bio.GN stat.AP
Robust Methods for Disease-Genotype Association in Genetic Association Studies: Calculate P-values Using Exact Conditional Enumeration instead of Asymptotic Approximations
在遗传关联研究中，检测疾病-基因型关联是主要目标。对于大多数疾病，潜在的遗传模型是未知的，我们研究了七个强大的检验统计量单调关联。对于给定的检验统计量，有许多方法可以计算p值，但在遗传关联研究中，计算主要基于渐近近似或模拟排列。我们表明，当排列的数量趋于无穷大时，排列p值接近精确的条件枚举p值，并进一步计算后者p值比执行模拟排列更有效。我们回答了两个研究问题。(i)研究中的哪一个检验统计量对单调遗传模型最有效？(ii)根据检验大小、功效和计算考虑，应使用渐近近似法还是精确条件枚举法来计算p值？我们研究了病例-对照样本量，500-5000例和500-15000对照，显著性水平从5e-8到0.05，因此我们的结果适用于研究中只有一个遗传标记的遗传关联研究，中期随访研究和全基因组关联研究。我们发现，如果所有的单调遗传模型的兴趣，最好的性能是达到一个检验统计量的基础上的最大范围内的Cochrane-Armitage趋势检验与不同的分数和约束似然比检验。对于低于0.05的显著性水平，渐近近似法可能给出高达标称水平20倍的检验大小，因此应谨慎使用。此外，基于精确条件枚举计算p值是一种功能强大、有效且计算可行的方法，我们主张将其用于遗传关联研究。
2013-07-29 stat.AP stat.ME
Computing Individual Risks based on Family History in Genetic Disease in the Presence of Competing Risks
当考虑发病年龄不同的遗传性疾病（例如：糖尿病、家族性淀粉样神经病、癌症等）时，基于家族史（FH）计算疾病的个体风险对于临床医生和患者都是至关重要的。这样的风险计算起来非常具有挑战性，因为：1）感兴趣的个体的基因型X通常是未知的; 2）后验分布P（X| FH，T > t）随t变化（T是目标个体发病时的年龄）; 3）死亡的竞争风险不可忽略。在这项工作中，我们提出了一个模型，这个问题使用贝叶斯网络混合（右删失）生存结果的风险率只取决于每个人的基因型。我们解释如何相信传播可以用来获得后验分布的基因型FH，以及如何获得一个时间依赖性的后验风险率的任何个人的系谱。最后，我们使用这个后验风险率来计算个体风险，有或没有死亡的竞争风险。我们的方法是使用Claus-Easton模型乳腺癌（BC）。该模型假设常染色体显性遗传风险因素，如非携带者（基因型00）的BC风险率为$λ$ 0（t），而携带者（基因型01、10和11）的风险率为$λ$ 1（t）。假设两个风险率都是分段常数，具有已知值（在20，30，. ..，80年）。竞争性死亡风险来自法国国家登记研究。
2017-09-14 stat.AP stat.ME
Estimation and Hypothesis Testing of Strain-Specific Vaccine Efficacy with Missing Strain Types, with Applications to a COVID-19 Vaccine Trial
开发了统计方法，用于分析新型冠状病毒COVID-19疫苗的3期随机、安慰剂对照试验的临床和病毒遗传学数据。疫苗预防由SARS-CoV-2众多基因毒株之一引起的COVID-19的疫苗效力（VE）可能因毒株而异。通过病毒遗传学评估差异VE的问题可以在竞争风险模型下进行表述，其中终点是病毒学证实的COVID-19，失败原因是感染的SARS-CoV-2基因型。菌株特异性VE定义为1减去病因特异性风险比（疫苗/安慰剂）。对于COVID-19 VE试验，至COVID-19的时间是右删失的，并且相当大比例的失败病例缺失了感染病毒的基因型。我们开发的估计和假设检验程序，应变特定的VE时，故障时间是受右删失和故障的原因是受遗漏，专注于$J \ge 2$离散分类无序或有序的病毒基因型。分层考克斯比例风险模型用于将病因特异性结局与解释变量相关联。研究了逆概率加权完备情形（IPW）估计和增广逆概率加权完备情形（AIPW）估计。开发假设检验以评估疫苗是否提供针对某些病毒基因型的至少指定水平的效力，以及VE是否在基因型之间变化，并对协变量进行调整。通过仿真研究了所提出的测试的有限样本特性，并显示出良好的性能。在准备真实的数据分析，所开发的方法被应用到一个伪数据集模仿Moderna COVE试验。
2022-01-22 stat.ME
REML implementations of kernel-based genomic prediction models for genotype x environment x management interactions
Wageningen University & Research（瓦赫宁根大学与研究）
本文提出基于核方法的基因组预测模型，利用REML估计参数，结合非结构化协方差矩阵处理三重交互，提升环境变量对遗传变异的解释能力，实现复杂育种数据集的灵活建模。
2026-03-25 stat.ME
Regression approaches for modelling genotype-environment interaction and making predictions into unseen environments
University of Hohenheim（霍恩海姆大学）；Bangladesh Rice Research Institute (BRRI)（孟加拉国水稻研究所）
本文提出了一种基于回归方法的基因型-环境互作建模框架，通过多种方法评估新环境预测的不确定性。
2025-10-27 stat.AP stat.ME
Training population selection for (breeding value) prediction
用于基因组选择的训练群体选择已经在动物和植物育种中引起了极大的兴趣。在这篇文章中，我们推导出一个计算效率高的统计量来衡量一组固定的基因型的基础上，给定的基因型和表型的训练集的遗传育种值的估计的可靠性。我们采用遗传算法的计划，找到一定规模的训练集，从一个更大的候选基因型，优化这个可靠性措施。我们的研究结果表明，与相同大小的随机样本相比，通过我们的方法选择的表型个体导致模型具有更好的准确性。我们实现了四个数据集，即，拟南芥，小麦，水稻和玉米数据集的训练选择方法。我们的研究结果表明，动态建模过程中使用的测试样本中的个人的基因型考虑，同时选择训练个体，提高GS模型的性能。
2014-05-21 stat.AP stat.ME
The design of selection experiments using a model-based approach
University of Wollongong（伍伦贡大学）
本文提出了一种基于线性混合模型的设计方法，用于优化单环境和多环境选择实验，通过高效资源分配提升遗传增益。
2026-05-12 stat.ME
Bayesian hierarchical modelling for inferring genetic interactions in yeast
鉴定给定微生物如酵母的遗传相互作用是困难的。定量适合度分析（QFA）是一种用于定量微生物培养物适合度的高通量实验和计算方法。QFA可用于比较不同基因型的适合度观测值，从而推断遗传互作强度。目前的“天真”的频率统计方法中使用的QFA不模型之间的基因型变异或不同条件下的基因型变异的差异。在这篇论文中，贝叶斯方法被引入到评估层次模型，更好地反映结构或设计的QFA实验。首先，提出了一个两阶段的方法：一个层次的逻辑模型拟合微生物培养生长曲线，然后一个层次的相互作用模型拟合每个基因型推断的健身总结。接下来，一个阶段的贝叶斯方法：一个联合层次模型，不需要一个单变量的健身总结，用于模型之间传递信息。新的分层方法，然后使用数据集检查端粒缺陷对酵母的影响进行比较。通过更好地描述实验结构，发现了与端粒帽相互作用的基因和复合物的新证据。这些模型的各种扩展，包括模型的数据转换，批量效应，本质上随机增长模型也被认为是。
2014-05-27 math.ST stat.AP stat.CO
Permutation in genetic association studies with covariates: controlling the familywise error rate with score tests in generalized linear models
在全基因组关联（GWA）研究中，目标是检测遗传标记与给定表型之间的关联。遗传标记的数量可能很大，并且用于控制总体错误率的有效方法是分析GWA数据时的中心主题。当检验是相关的时，已知Bonferroni方法是保守的。置换方法在满足交换率假设的情况下可以精确控制总体错误率，但对于大型数据集来说计算量很大。对于回归模型，交换性假设一般不满足，如何进行排列检验，除了一些近似方法外，没有标准的解决方案。在本文中，我们将讨论置换方法控制的家庭错误率的遗传关联研究，并提出了一个近似的解决方案。这些方法将使用模拟数据进行比较。
2017-05-08 stat.CO stat.ME
A statistical methodology to select covariates in high-dimensional data under dependence. Application to the classification of genetic profiles in oncology
我们提出了一种新的方法来选择和排序与一个变量的利益相关的高维数据的背景下，依赖，但很少的意见。该方法先后交织的协变量的聚类，协变量的去相关因子潜在分析，选择使用自适应方法的聚合，最后排名。仿真研究表明，利益的去相关内的不同集群的协变量。我们首先将我们的方法应用于37例接受化疗的晚期非小细胞肺癌患者的转录组数据，以选择解释治疗生存结局的转录组协变量。其次，我们将我们的方法应用于79个乳腺肿瘤样本，以定义新的转移性生物标志物和相关基因网络的患者特征，以便个性化治疗。
2019-09-12 math.ST stat.AP stat.ME
A New Statistical Framework for Genetic Pleiotropic Analysis of High Dimensional Phenotype Data
广泛使用的多表型遗传多效性分析通常被设计用于检查常见变体与少数表型之间的关系。它们不适合高维表型和高维基因型（下一代测序）数据。为了克服这些局限性，我们开发了稀疏结构方程模型（SEM）作为一个通用的框架，一个新的范式的遗传分析的多表型。为了将常见和罕见的变体纳入分析，我们将传统的多元SEM扩展到稀疏功能SEM。为了处理高维表型和基因型数据，我们采用函数数据分析和交替方向乘法（ADMM）技术来降低数据维数，提高计算效率。使用大规模的模拟，我们表明，所提出的方法有更高的权力，以检测真正的因果遗传多效性结构比其他现有的方法。仿真结果还表明，基于基因的多效性分析具有更高的权力比基于单一变量的多效性分析。所提出的方法适用于外显子组序列数据从NHLBI外显子组测序计划（ESP）与11个表型，它确定了一个网络与137个基因连接到11个表型和341个边缘。其中，114个基因显示出多效性遗传效应，45个基因被报道与分析中的表型或文献中的其他心血管疾病（CVD）相关表型相关。
2015-12-03 q-bio.GN stat.ME stat.ML
Reduced-rank Regression in Sparse Multivariate Varying-Coefficient Models with High-dimensional Covariates
在遗传学研究中，不仅从微阵列测量中获得的预测因子的数量非常大，而且还可以有多个响应变量。基于这种情况，我们考虑稀疏多元回归模型中的半参数降维方法。以往的联合变量和秩选择研究主要集中在参数模型，而在这里，我们考虑更具挑战性的变系数模型，使调查变量的非线性相互作用成为可能。利用样条逼近、秩约束和凹群惩罚进行模型估计。给出了估计量的渐近预言性质。我们还提出了降秩独立筛选处理的情况下，维数是如此之高，惩罚估计不能有效地应用。在模拟中，我们展示了同时进行变量和秩选择的优势。一个真实的数据集进行了分析，以说明良好的预测性能时，将遗传变量和指标变量之间的相互作用。
2013-09-24 stat.ME
Misguided Use of Observed Covariates to Impute Missing Covariates in Conditional Prediction: A Shrinkage Problem
研究人员经常使用缺失数据的插补值进行条件预测。然而，估算的应用往往缺乏坚实的统计理论基础。本文起源于当我们无法找到分析证实的索赔，缺失数据的插补具有良好的频率属性时，数据随机缺失（MAR）。当估计E（y）形式的条件均值时，我们重点关注使用观察到的协变量来插补缺失的协变量|x，w）。这里y是一个结果，它的实现总是被观察到的，x是一个协变量，它的实现总是被观察到的，w是一个协变量，它的实现有时是不可观察的。我们研究了E（y）的简单插补估计的概率极限|x，w），因为样本量趋于无穷大。我们发现，这些估计是不一致的协变量数据时，MAR。相反，估计遭受收缩问题。它们收敛于感兴趣的条件平均值E（y）之间的中间点|x，w）和平均值E（y| x）仅以x为条件。我们使用一种类型的基因型插补来说明。
2021-02-22 econ.EM stat.ME
A Quadratically Regularized Functional Canonical Correlation Analysis for Identifying the Global Structure of Pleiotropy with NGS Data
研究遗传变异的多效性可以增加统计功效，为深入了解疾病的复杂遗传结构提供重要信息，并为设计具有更少副作用的有效治疗方法提供强大工具。然而，目前的多表型关联分析范式缺乏广度（同时联合分析的表型和遗传变异的数量）和深度（表型和基因型的层次结构）。高维多效性分析的一个关键问题是有效地从高维基因型和表型数据中提取信息的内部表示和特征。为了探索遗传变异的多层次表征，了解疾病发展中涉及的内部模式，并克服推进遗传多效性分析的新统计方法和计算算法发展的关键障碍，我们提出了一种称为二次正则化功能CCA（QRFCCA）的关联分析新框架，它结合了三种方法：（1）二次正则化矩阵分解，（2）函数数据分析和（3）典型相关分析（CCA）。大规模的模拟表明，QRFCCA有一个更高的权力比9个竞争的统计，同时保留适当的类型1错误。为了进一步评估性能，将QRFCCA和其他九个统计量应用于TwinsUK研究的全基因组测序数据集。我们使用QRFCCA鉴定了与46个性状显著相关的79个具有罕见变异的基因和67个具有常见变异的基因。结果表明，QRFCCA大大优于其他九个统计。
2016-09-16 q-bio.GN stat.ME
Efficient and powerful familywise error control in genome-wide association studies using generalized linear models
在遗传关联研究中，检测表型-基因型关联是主要目标。我们假设数据之间的关系-表型，遗传标记和环境协变量-可以用广义线性模型（GLM）建模。纳入环境协变量使得有可能考虑到重要的混杂因素，如性别和人口结构。多变量得分统计量，在没有表型-基因型关联的完全原假设下，渐近地具有多元正态分布，其具有可以从数据估计的协方差阵，用于测试大量遗传标记与表型的关联。我们强调控制familywise错误率（FWER）的重要性，并使用多变量得分检验统计量的渐近分布，以找到一个局部的显着性水平的个人测试。使用真实的数据（从一项研究精神分裂症和双相情感障碍和一个最大摄氧量），并构建相关的结构，我们表明，我们的方法是一个强大的替代流行的Bonferroni和Sidak方法。对于没有环境协变量的GLM，我们表明，我们的方法是一个有效的替代排列方法的多重检验。此外，我们表明，如果环境协变量和遗传标记是不相关的，估计的协方差阵的得分检验统计量可以近似估计的相关矩阵的遗传标记。作为我们的方法的副产品，可以定义有效数量的独立测试，并且可以计算FWER调整的$p$值作为使用局部显著性水平的替代方案。
2016-12-22 stat.AP 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
Mapping the Genetic-Imaging-Clinical Pathway with Applications to Alzheimer's Disease
阿尔茨海默氏病是一种渐进形式的痴呆症，导致记忆，思维和行为问题。它通常以β淀粉样蛋白和tau蛋白的异常聚集和沉积开始，随后是神经元损伤，例如脑萎缩，导致阿尔茨海默病（AD）。本文的目的是绘制AD的遗传-成像-临床路径，以描绘基于阿尔茨海默病神经成像倡议（ADNI）数据集驱动疾病进展的遗传调节的大脑变化。我们开发了一种新的两步法来描述高维2D海马表面暴露与阿尔茨海默病评估量表（ADAS）认知评分之间的关联，同时考虑到基线时的超高维临床和遗传协变量。分析结果表明，径向距离的每个像素的两个campi是负相关的行为缺陷的严重程度的条件下观察到的临床和遗传协变量。这些协会是更强的角Ammonis区域1（CA 1）和下托亚区相比，角Ammonis区域2（CA 2）和角Ammonis区域3（CA 3）亚区。
2022-06-02 stat.AP stat.ME
Causal Inference in Genetic Trio Studies
本研究提出一种基于遗传三联体数据的因果推断方法，利用减数分裂天然随机性，通过Digital Twin Test识别基因组因果变异区域，无需假设基因型与表型的关系，还可结合黑盒模型和额外数据提升效能。
2020-02-22 stat.AP stat.ME
Integrative genetic risk prediction using nonparametric empirical Bayes classification
遗传风险预测是个体化医疗的重要组成部分，但对于许多复杂疾病的预测准确性仍然很低。一个基本的限制是训练预测算法的研究的样本量。增加有效样本量的一种方法是整合先前现有研究的信息。然而，很难找到检查目标疾病的现有数据，特别是如果该疾病罕见或研究不足。此外，从这些辅助研究中获得的个体水平的基因型数据通常很难获得。本文提出了一种新的方法来综合遗传风险预测的复杂疾病的二元表型。它适应目标和辅助疾病的遗传病因可能的异质性，使用无调整参数的非参数经验贝叶斯程序，并且可以仅使用辅助汇总统计量进行训练。仿真研究表明，该方法可以提供优越的预测精度相对于非一体化以及一体化分类器。该方法被应用到最近的儿科自身免疫性疾病的研究，在那里它大大减少了某些目标/辅助疾病组合的预测误差。所提出的方法是在R包ssa中实现的。
2016-08-25 q-bio.QM stat.ME
