空间 ACE：高维影像数据遗传成分的估计
应用统计
2020-05-05 v1
摘要
量化遗传变异对脑结构与功能的贡献具有重要意义，而这些通常经由高维影像数据（例如磁共振成像）测量。除方差外，功能表型遗传效应中的协方差模式具有生物学重要性，且协方差模式已与精神障碍相关联。本文旨在开发一种可扩展的方法，用于从双生子研究中估计高维影像数据的遗传率与非平稳协方差成分。我们的 motivating example 来自人类连接组计划（HCP）。从影像数据（如具有 60,000 个顶点的皮层厚度）提取的功能表型中估计遗传与环境协方差函数，会带来若干重大大数据挑战。值得注意的是，对无约束估计量截断取正特征值及其特征函数可能导致较大偏差。这促使我们开发了一种保证半正定性的新型估计量。模拟研究在遗传率估计与协方差估计两方面均显示出对现有方法的显著改进。我们将所提方法应用于 HCP 的皮层厚度数据。分析表明协方差模式存在精细尺度差异，识别出遗传控制与大脑大面积区域相关的位置以及高度局部化的位置。
引用
@article{arxiv.1905.07502,
title = {ACE of Space: Estimating Genetic Components of High-Dimensional Imaging Data},
author = {Benjamin B. Risk and Hongtu Zhu},
journal= {arXiv preprint arXiv:1905.07502},
year = {2020}
}