利用控制 FDR 的贝叶斯信息准则修正版分析全基因组关联研究
应用统计
2015-06-19 v1
摘要
目前分析全基因组关联研究（GWAS）数据的主流方法仍然是单独检验每个标记，尽管从统计学角度来看，对于复杂性状而言，这种单标记检验显然并非理想之选。近期已提出多种针对 GWAS 的模型选择方法，其中大多基于 LASSO 类过程。本文将讨论一种基于贝叶斯信息准则修正版（mBIC2）的替代模型选择方法，该方法此前已被证明在最小化误分类误差方面具有特定的渐近最优性质。我们引入了启发式搜索策略以寻找使 mBIC2 最小化的模型，其效率足以支持 GWAS 数据分析。我们的方法实现于名为 MOSGWA 的软件包中。我们在病例对照 GWAS 中将其性能与 HLASSO 和 GWASelect 两种算法以及单标记检验进行了比较，基于 POPRES 样本的真实 SNP 数据进行了模拟研究。结果表明，MOSGWA 的表现略优于 HLASSO，而根据我们的模拟，GWASelect 在用于自动确定重要 SNP 数量时未能控制第一类错误。我们还重新分析了来自 Wellcome Trust Case-Control Consortium (WTCCC) 的 GWAS 数据，并比较了不同程序的发现。
引用
@article{arxiv.1403.6623,
title = {Analyzing genome-wide association studies with an FDR controlling modification of the Bayesian information criterion},
author = {Erich Dolejsi and Bernhard Bodenstorfer and Florian Frommlet},
journal= {arXiv preprint arXiv:1403.6623},
year = {2015}
}