压缩感知在全基因组关联研究与基因组选择中的应用
基因组学
2014-05-13 v3 应用统计
摘要
我们展示了被称为压缩感知 (CS) 的信号处理范式适用于全基因组关联研究 (GWAS) 和基因组选择 (GS)。GWAS 旨在隔离与性状相关的位点，而 GS 试图基于训练数据预测新个体的表型值。CS 解决了这两项工作共同面临的问题，即基因分型标记的数量往往远超样本量。我们利用 CS 方法和理论表明，只要非零效应位点的数量相对于样本量足够少（稀疏），就可以使用一种高效算法识别（选择）所有非零效应位点。对于遗传力 h2 = 1，随着样本量的增加，会出现向完全选择的急剧相变。对于小于 1 的遗传力值，完全选择仍然可能发生，尽管相变过程较为平滑。相变边界仅弱依赖于基因分型标记的总数。跨越相变边界提供了一种确定何时恢复真实效应的客观手段；我们讨论了检测该边界的实用方法。对于 h2 = 0.5，我们发现样本量为非零位点数量的三十倍足以实现良好的恢复。
引用
@article{arxiv.1310.2264,
title = {Application of compressed sensing to genome wide association studies and genomic selection},
author = {Shashaank Vattikuti and James J. Lee and Christopher C. Chang and Stephen D. H. Hsu and Carson C. Chow},
journal= {arXiv preprint arXiv:1310.2264},
year = {2014}
}
备注
30 pages, 11 figures. Version to appear in journal GigaScience