基于狄利克雷过程层级的病例对照研究中基因-基因与基因-环境相互作用的非高斯、非参数结构

越来越清楚的是，基因与环境因子之间的复杂相互作用在引发复杂疾病中起关键作用。因此，理解此类相互作用至关重要，这只有通过充分解释这种复杂然而未知的依赖结构的统计模型才可能实现。Bhattacharya & Bhattacharya (2016b) 尝试了这样的建模，通过层级矩阵正态结构关联表示未知数量遗传亚群的狄利克雷过程有限混合，该结构纳入了基因-基因相互作用以及由环境变量诱导的可能突变。然而，其矩阵正态模型隐含的乘积依赖结构似乎过于简单，不足以适用于一般复杂现实情况。在本文中，我们提出并开发了一种用于病例对照基因型数据的新型非参数贝叶斯模型，使用狄利克雷过程层级，提供基因之间由环境变量诱导的更现实且非参数的依赖结构。在这方面，我们提出了一种新颖且高度可并行的MCMC算法，该算法通过现代并行计算技术、有效Gibbs采样步骤、回溯采样和基于变换的马尔可夫链蒙特卡洛（TMCMC）的结合而变得高效。我们使用适当的贝叶斯假设检验程序来检测基因和环境在病例对照研究中的作用。我们将我们的思想应用于在不同设置下模拟的5个生物学现实病例对照基因型数据集，并在每种情况下获得令人鼓舞的结果。最后我们将我们的思想应用于真实的急性心肌梗死数据集，并获得关于基因-基因和基因-环境相互作用的有趣结果，同时大体上同意文献中报道的结果。