用于遗传多效性研究的纵向家族数据贝叶斯潜变量建模
应用统计
2012-11-08 v1 统计计算
摘要
受多效性遗传关联研究的启发，我们提出了一种贝叶斯潜变量方法来联合研究多个结果或表型。所提出的方法同时对连续型和二值型表型进行建模，并在收集了纵向和系谱数据时考虑了序列相关性和家族相关性。我们提出了模型参数的贝叶斯估计方法，并开发了一种新的 MCMC 算法，该算法基于分层中心化和参数扩展技术，以有效地对后验分布进行采样。我们讨论了贝叶斯框架下的表型和模型选择，并研究了基于贝叶斯因子和尖峰 - 平板先验的两种选择策略的性能。我们通过广泛的模拟评估了所提出的方法，并通过将其应用于与 1 型糖尿病相关的各种并发症表型的全基因组关联研究来展示其实用性。
引用
@article{arxiv.1211.1405,
title = {Bayesian Latent Variable Modeling of Longitudinal Family Data for Genetic Pleiotropy Studies},
author = {Lizhen Xu and Radu V. Craiu and Lei Sun},
journal= {arXiv preprint arXiv:1211.1405},
year = {2012}
}