针对双变量连续或混合表型的基于 Copula 的集合变异关联检验

在全基因组关联研究（GWAS）中，研究人员经常需要处理非正态分布的性状或离散-连续混合性状。然而，目前大多数基于区域的方法依赖于多元线性混合模型（mvLMMs），并假设目标性状服从多元正态分布。因此，这些方法不适用于疾病性状或非正态分布的性状。因此，需要开发统一且灵活的方法来研究一组（可能是罕见的）遗传变异与非正态多元表型之间的关联。Copula 是在 $[0, 1]$ 区间上具有均匀边缘分布的多元分布函数，它们为处理多元关联研究中的误差非正态性提供了合适的模型。我们提出了一种新颖、统一且灵活的基于 Copula 的多元关联检验（CBMAT），用于发现遗传区域与双变量连续或混合表型之间的关联。我们还推导了所提出的基于区域的得分型检验的数据驱动解析 p 值程序。通过模拟研究，我们证明对于离散和非正态分布的性状，CBMAT 具有良好控制的 I 类错误率，并且与其他现有方法相比具有更高的检测关联的统计功效。最后，我们将 CBMAT 应用于检测位于 11 号染色体上的两个基因与 ASLPAC 研究中 1,477 名受试者的若干血脂水平之间的关联。