基于“单一效应之和”先验的 Cox 比例风险模型中的贝叶斯变量选择
统计方法学
2025-06-09 v1 定量方法
应用统计
摘要
受遗传细图学应用的启发，我们提出了一种新的贝叶斯变量选择回归 (BVSR) 方法，用于处理时间至事件 (TTE) 结果。该方法旨在应对遗传细图学中出现的特定挑战，包括：共线性极强的协变量，常常超过 0.99；包含数千个协变量和数十万样本的超大规模数据集。我们通过将“单一效应之和” (SuSiE) 方法扩展到 Cox 比例风险 (CoxPH) 模型来实现上述目标。我们展示了新方法“CoxPH-SuSiE”相对于现有 TTE 结果的 BVSR 方法在模拟细图学数据集中的优势。我们还通过在英国 Biobank 数据中进行 asthma 位点细图学来说明 CoxPH-SuSiE。该细图学识别出 14 个 asthma 风险 SNP 位于 8 个 asthma 风险位点中，其中 6 个具有强烈的因果证据（后验包含概率大于 50%）。其中 6 个可疑致病变异体中，有 2 个已知为致病性的，其余者位于已知调控 GATA3 表达的基因组序列内。
引用
@article{arxiv.2506.06233,
title = {Bayesian variable selection in a Cox proportional hazards model with the "Sum of Single Effects" prior},
author = {Yunqi Yang and Karl Tayeb and Peter Carbonetto and Xiaoyuan Zhong and Carole Ober and Matthew Stephens},
journal= {arXiv preprint arXiv:2506.06233},
year = {2025}
}