基于图割的高效网络引导多位点关联映射
机器学习
2013-04-19 v5 定量方法
摘要
随着越来越多的全基因组关联研究揭示出试图用单个遗传位点解释表型遗传力的局限性，人们越来越关注将复杂表型与一组遗传位点关联起来。尽管已经提出了几种多位点映射方法，但如何将检测到的位点与日益增长的基因通路和网络知识联系起来往往不明确。少数考虑生物通路或网络的方法要么局限于研究有限数量的预定位点集合，要么无法扩展到全基因组范围。我们提出了SConES，一种新的高效方法，用于发现与表型最大关联且同时与底层网络相连的遗传位点集合。我们的方法基于对具有稀疏性和连通性约束的特征选择问题的最小割重新表述，该问题可以精确且快速地求解。SConES在运行时间上优于最先进的竞争者，可扩展到数十万个遗传位点，并且在模拟研究中检测因果SNP的能力高于现有方法。在拟南芥的开花时间表型和基因型上，SConES检测到的位点能够实现准确的表型预测，并得到文献支持。SConES的Matlab代码可在http://webdav.tuebingen.mpg.de/u/karsten/Forschung/scones/获取。
引用
@article{arxiv.1211.2315,
title = {Efficient network-guided multi-locus association mapping with graph cuts},
author = {Chloé-Agathe Azencott and Dominik Grimm and Mahito Sugiyama and Yoshinobu Kawahara and Karsten M. Borgwardt},
journal= {arXiv preprint arXiv:1211.2315},
year = {2013}
}
备注
20 pages, 6 figures, accepted at ISMB (International Conference on Intelligent Systems for Molecular Biology) 2013