复杂疾病组学应用中基因表达与多种表型的关联研究
统计方法学
2021-12-14 v1
摘要
研究表型-基因关联可揭示疾病机制并开发有效疗法。在存在多种相关表型的复杂疾病中，分别分析并解释各表型的相关基因可能因未考虑表型间相关性而降低统计功效并丧失解释力。典型方法是许多全局检验方法，如多元方差分析（MANOVA），其检验表型与各基因间的整体关联，却未考虑表型间的异质性。本文中，我们扩展并评估了两种 p 值组合方法——自适应加权 Fisher 方法（AFp）与自适应 Fisher 方法（AFz）——以解决此问题，基于广泛模拟与真实应用，AFp 作为我们最终提出的方法脱颖而出。我们提出的 AFp 方法相较传统全局检验方法具有三点优势。首先，它可考量表型异质性，并利用表型特异的 0-1 权重确定某基因与哪些具体表型相关。其次，AFp 以各表型关联检验的 p 值作为输入，因而可容纳不同类型表型（连续、二值与计数）。第三，我们还应用自助法为 AFp 的权重估计量构建变异性指标，并生成共隶属矩阵以基于关联模式对基因分类（聚类），便于直观的生物学探究。通过广泛模拟，AFp 在 I 类错误控制与统计功效方面均优于全局检验方法，且 0-1 权重估计精度高于 AFz。一项结合复杂肺病转录组与临床数据的真实组学应用展示了 AFp 富有洞察的生物学发现。
引用
@article{arxiv.2112.05818,
title = {Association study between gene expression and multiple phenotypes in omics applications of complex diseases},
author = {Yujia Li and Yusi Fang and Peng Liu and George C. Tseng},
journal= {arXiv preprint arXiv:2112.05818},
year = {2021}
}