克服遗传研究中赢家诅咒的贝叶斯方法

在初始发现样本中报道的关联遗传变异参数估计值，通常与后续复制样本中观察到的值相比存在严重膨胀。这种偏差是顺序程序的结果，其中关联遗传标记的估计效应必须首先通过严格的显著性阈值。我们提出了一种分层贝叶斯方法，其中使用尖峰-平板先验来解释显著检验结果可能由偶然因素导致的可能性。我们通过使用对应于检验结果不同置信度的不同先验来检验该方法的稳健性，并提出了一种贝叶斯模型平均程序来组合不同模型产生的估计值。与条件似然估计量相比，贝叶斯估计量产生的方差更小，并且在低功效研究中优于后者。我们通过模拟和四个真实数据示例的应用来研究该方法的性能。