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
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
Multiple two-sample testing under arbitrary covariance dependency with an application in imaging mass spectrometry
大规模假设检验是高维统计推断中普遍存在的问题，在各个科学领域都有着广泛的应用。一个相关的应用是由成像质谱（IMS）关联研究构成的，其中同时进行大量的测试，以识别与特定表型相关的分子量，例如。例如，在一个实施例中，癌症亚型。从基质辅助激光解吸/电离（MALDI）实验获得的质谱是依赖的，当被认为是统计量。检验统计量间任意依赖结构下的错误发现比例控制是现代多重检验研究中的一个热点问题。在这种情况下，我们关注的是评估二元结果变量（描述表型）和来自MALDI测量的多个预测因子之间的关联。我们提出了一个推理过程，其中的相关矩阵的检验统计量是利用。该方法是基于多边际模型（MMM）。具体来说，我们分别为每个预测因子拟合边际逻辑斯谛回归模型。在标准正则性假设下，建立了边际回归系数的堆叠向量的渐近联合正态性，并估计了它们的（极限）相关矩阵。所提出的方法提取共同的因素，从所得的经验相关矩阵。最后，我们估计实现的FDP的阈值处理过程的边缘$p$值。我们展示了一个实际的应用程序，提出的工作流程，MALDI IMS数据在肿瘤学的背景下。
2021-08-18 stat.ME
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
Covariate Adaptive False Discovery Rate Control with Applications to Omics-Wide Multiple Testing
传统的多重检验程序通常假设不同特征的假设是可交换的。然而，在许多科学应用中，关于信号和空值模式的额外协变量信息是可用的。在本文中，我们介绍了一个FDR控制过程中的大规模推理问题，可以纳入协变量信息。我们开发了一个快速算法来实现所提出的过程，并证明了其渐近有效性，即使底层模型是错误的，p值是弱相关的（例如，强混合）。进行了大量的模拟研究所提出的方法的有限样本性能，我们证明了新的方法是灵活的，强大的，强大的和计算效率提高了国家的最先进的方法。最后，我们将该方法应用于基因组学研究中产生的几个组学数据集，目的是识别与一些临床和生物表型相关的组学特征。我们表明，该方法是整体上最强大的竞争方法，特别是当信号稀疏。提出的协变量自适应多重检验过程在R软件包CAMT中实现。
2020-06-10 stat.ME
Estimation and testing for multiple regulation of multivariate mixed outcomes
最近相当大的兴趣集中在流行病学和基因组研究中同时研究多个表型，以捕获复杂疾病的多维性或了解相关疾病的共同病因。我们试图确定与多个结果相关的{ \em多个调节因子}或预测因子，这些结果可能在非常不同的尺度上测量或由连续的、二元的和未完全观察到的元素的混合物组成。我们首先提出了一种估计技术，把所有的影响相似的尺度，我们诱导稀疏估计的影响。我们提供了标准的渐近结果，这个估计，并表明，restaurant可以用来量化有限样本中的不确定性。最后，我们提供了一个多重检验程序，它可以专门针对感兴趣的多个监管机构的类型，我们建立，在标准的正则条件下，familywise错误率将接近0，样本量发散。仿真结果表明，我们的方法可以改善非正则化方法，无论是在减少估计偏差和提高功率的测试。
2015-11-25 stat.ME
A Focusing Framework for Testing Bi-Directional Causal Effects with GWAS Summary Data
孟德尔随机化（MR）是一种强大的方法，它使用遗传变异作为工具变量（IV）来推断可改变的暴露对结果的因果影响。虽然近年来已经看到了许多扩展的基本MR方法是强大的某些违反假设，很少有方法被提出来推断双向因果关系，特别是对有限的生物学理解的表型。水平多效性的存在增加了另一层复杂性。在这篇文章中，我们表明，常见的MR方法的假设往往是不可能的或过于严格的双向关系的存在。然后，我们提出了一个新的聚焦框架，用于测试可能具有多效性遗传变异的两个性状之间的双向因果效应。我们的建议可以与许多最先进的MR方法相结合。我们提供的第一类错误和所提出的方法的权力的理论保证。我们使用几个模拟和真实的数据集证明了所提出的方法的鲁棒性。
2022-03-14 stat.AP 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
A generalized distance covariance framework for genome-wide association studies
提出广义距离协方差框架检验SNP与表型关联，可覆盖经典遗传模型的全部依赖关系，并给出渐近分布、高斯条件精确p值及协变量回归扩展。
2025-01-04 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
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
Generalized Similarity U: A Non-parametric Test of Association Based on Similarity
University of North Texas Health Science Center（北德克萨斯大学健康科学中心）；Michigan State University（密歇根州立大学）
提出广义相似性U（GSU）非参数检验方法，用于检验复杂基因型与表型对象间的关联，通过Laplacian核提升功效与稳健性，并在ADNI全基因组测序数据中成功识别出三个相关基因。
2018-01-04 cs.AI cs.LG q-bio.GN
Confounder Adjustment in Multiple Hypothesis Testing
我们考虑同时进行数千个显著性检验的大规模研究。在其中一些研究中，潜在的混杂因素（例如批次效应和与感兴趣的主要变量（例如治疗变量、表型）和结果相关的未测量协变量）可能会导致多重检验程序出现严重偏差。在过去的十年中，许多统计方法被提出来调整假设检验中的混杂因素。我们统一这些方法在同一个框架，推广到包括多个主变量和多个讨厌的变量，并分析其统计特性。特别是，我们提供了理论保证RUV-4和LEAPP，这对应于两个不同的识别条件的框架：第一个需要一组“阴性对照”，是已知的先验遵循空分布;第二个需要真正的非空值是稀疏的。两种不同的估计，这是基于RUV-4和LEAPP，然后应用到这两种情况。我们表明，如果混杂因素是强大的，由此产生的估计可以渐近强大的预言估计，观察潜在的混杂因素。对于假设检验，我们证明了基于估计量的渐近z检验可以控制第一类错误。数值实验表明，当样本量较大时，错误发现率也受Benjamini-Hochberg过程的控制。
2016-06-20 math.ST stat.ME stat.TH
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
Federated Generalized Linear Mixed Models for Collaborative Genome-wide Association Studies
随着测序成本的降低，有很大的动机进行大规模的关联研究，以提高检测新变异的能力。不同机构之间的联合关联测试是通过共享由中央服务器聚合的中间测试统计来增加样本量的可行解决方案。然而，执行联邦关联测试仍然存在挑战。关联检验被许多因素所混淆，如群体分层，这在多祖先研究和不同地点的混合群体中尤其重要。此外，应通过灵活的模型来考虑疾病病因，以避免遗传效应显著性的偏倚。进行大规模关联研究的一个日益严峻的挑战是参与者的隐私以及污名化和边缘化的相关伦理问题。在这里，我们提出了dMEGA，一个灵活而有效的方法进行联邦广义线性混合模型为基础的关联测试多个网站之间，而潜在的基因型和表型数据没有明确共享。dMEGA首先利用参考投影来估计基于群体的协变量，而不在站点之间共享基因型数据集。接下来，dMEGA使用拉普拉斯近似的参数似然和分解参数估计到有效的局部梯度更新站点之间。我们使用模拟和真实数据集来证明dMEGA的准确性和效率。总的来说，dMEGA的配方是灵活的，可以在联邦环境中整合固定和随机效应。
2022-10-01 q-bio.GN stat.ME
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
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
