一种协方差增强的多组织联合 eQTL 定位方法及其在转录组全关联研究中的应用
应用统计
2020-01-24 v1 统计方法学
摘要
基于遗传预测基因表达的转录组全关联研究有潜力识别与各种复杂性状相关的新区域。已有研究表明，纳入对应多种组织类型的表达数量性状位点（eQTL）可提升涉及复杂病因的关联研究功效。在本文中，我们提出一种新的多变量响应线性回归模型与方法，用于同时预测多种组织中的基因表达。与现有的多组织联合 eQTL 定位方法不同，我们的方法纳入了组织间表达相关性，这使我们能够更高效地处理缺失表达测量，并利用 eQTL 基因型的加权和更准确地预测基因表达。我们通过模拟研究证明，我们的方法在许多场景下表现优于现有方法。我们使用我们的方法估计 GTEx 收集的 29 种组织的 eQTL 权重，并表明与同类方法相比，我们的方法显著提高了表达预测精度。利用我们的 eQTL 权重，我们开展了基于多组织的 S-MultiXcan 转录组全关联研究，并表明与现有方法相比，我们的方法在新区域中有更多发现且总体发现更多。估计的 eQTL 权重可在 github.com/ajmolstad/MTeQTLResults 在线下载。
引用
@article{arxiv.2001.08363,
title = {A covariance-enhanced approach to multi-tissue joint eQTL mapping with application to transcriptome-wide association studies},
author = {Aaron J. Molstad and Wei Sun and Li Hsu},
journal= {arXiv preprint arXiv:2001.08363},
year = {2020}
}