应用于功能基因组关联研究的非参数变系数模型贝叶斯组 Lasso 方法
应用统计
2015-09-15 v1
摘要
尽管全基因组关联研究 (GWAS) 已被证明在理解复杂性状的遗传结构方面具有效力，但它们面临着以单核苷酸多态性 (SNPs) 作为预测变量的高维度、复杂环境因子的存在以及许多复杂性状或疾病的纵向或功能性质等挑战。为应对这些挑战，我们提出一种高维变系数模型，用于将表型性状的功能方面纳入 GWAS，从而构建所谓的功能 GWAS 或 fGWAS。我们发展了贝叶斯组 Lasso 及相关的 MCMC 算法，以识别显著 SNPs 并估计它们通过时变遗传作用影响纵向性状的方式。该模型被推广到利用受试者特定的稀疏纵向数据分析复杂性状的遗传控制。通过模拟研究考察了新模型的统计性质。我们使用新模型分析来自 Framingham Heart Study 的真实 GWAS 数据集，从而识别出若干个与身体质量指数的年龄特异性变化显著相关的 SNPs。配备贝叶斯组 Lasso 的 fGWAS 模型将为复杂性状或疾病的遗传与发育分析提供有用工具。
引用
@article{arxiv.1509.04017,
title = {Bayesian group Lasso for nonparametric varying-coefficient models with application to functional genome-wide association studies},
author = {Jiahan Li and Zhong Wang and Runze Li and Rongling Wu},
journal= {arXiv preprint arXiv:1509.04017},
year = {2015}
}
备注
Published at http://dx.doi.org/10.1214/15-AOAS808 in the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)