面向测序数据遗传关联分析的广义遗传随机场方法
统计方法学
2025-08-19 v1 人工智能
机器学习
摘要
随着高通量测序技术的发展，越来越可行地探讨整个测序变异谱对复杂人类疾病的影响。尽管利用新型测序技术的关联研究在揭示尤其是贡献于人类疾病的罕见遗传变异方面具有巨大的前景，但高维测序数据的统计分析仍然是一个挑战。亟需发展先进的分析方法来促进高维测序数据的分析。在本文中，我们提出了一种广义遗传随机场 (GGRF) 方法，用于测序数据的关联分析。像其他基于相似性的方法（如 SIMreg 和 SKAT）一样，新方法避免了对罕见变异阈值的指定，能够检测多个作用方向和效应大小不同的变异。该方法建立在广义估计方程框架上，因而能够容纳各种疾病表型（如量化表型和二元表型）。此外，它具有良好的渐近属性，可应用于小规模测序数据，无需小样本调整。通过仿真实验，我们展示了所提出的 GGRF 在 various disease scenarios 下，尤其是在罕见变异在疾病发生中的作用占主导地位时，比常用方法 SKAT 更具检出功效或性能相当。我们进一步通过应用在达拉斯心脏研究（Dallas Heart Study）的真实数据集中演示了 GGRF。运用 GGRF，我们成功检测到两基因 ANGPTL3 和 ANGPTL4 与血清甘油三酯的关联。
引用
@article{arxiv.2508.12617,
title = {A Generalized Genetic Random Field Method for the Genetic Association Analysis of Sequencing Data},
author = {Ming Li and Zihuai He and Min Zhang and Xiaowei Zhan and Changshuai Wei and Robert C Elston and Qing Lu},
journal= {arXiv preprint arXiv:2508.12617},
year = {2025}
}