多种组织 eQTL 分析的经验贝叶斯方法
统计方法学
2017-09-08 v5
摘要
表达数量性状位点 (eQTL) 分析旨在识别与基因表达相关的遗传标记，是理解人类及其他种群疾病的重要工具。虽然迄今为止大多数 eQTL 研究考虑的是单一组织中遗传变异与表达之间的联系，但 GTEx 计划正在生成复杂的多组织数据集。这些数据集有可能通过借用不同组织间的强度来改善单一组织分析的结果，并有可能阐明组织间差异的基因型基础。在本文中，我们引入并研究了一种用于多组织 eQTL 分析的多变量分层贝叶斯模型 (MT-eQTL)。MT-eQTL 直接建模跨组织的表达与基因型之间的相关向量。它明确捕捉了 eQTL 存在或缺失的变异模式，以及跨组织效应大小的异质性。此外，该模型适用于复杂设计，其中供体集合可以 (i) 随组织而变化，以及 (ii) 在组织间表现出不完全重叠。MT-eQTL 模型在边缘上是一致的，即子集组织的模型可以通过边缘化从完整模型中获得。MT-eQTL 模型的拟合通过经验贝叶斯方法，使用近似 EM 算法进行。关于 eQTL 检测和跨组织 eQTL 配置的推断分别源自局部错误发现率的自适应阈值化和最大后验估计。我们通过模拟研究调查了 MT-eQTL 模型，并在适用于依赖数据的温和假设下，严格建立了局部 FDR 检验程序的 FDR 控制。
引用
@article{arxiv.1311.2948,
title = {An Empirical Bayes Approach for Multiple Tissue eQTL Analysis},
author = {Gen Li and Andrey A. Shabalin and Ivan Rusyn and Fred A. Wright and Andrew B. Nobel},
journal= {arXiv preprint arXiv:1311.2948},
year = {2017}
}
备注
accepted by Biostatistics