基于对数线性模型的可解释 eQTL 效应大小估计
统计方法学
2017-09-08 v2
摘要
表达数量性状位点（eQTL）的研究是基因组学和生物医学中的一个重要问题。尽管 eQTL 关联的检出（检验）已被广泛研究，但致力于 eQTL 效应大小估计的工作较少。为减少假阳性，检出方法常依赖于对基于秩的标准化或对数转换的基因表达数据建立线性模型。不幸的是，这些方法并不对应于最简单的 eQTL 作用模型，因此产生的 eQTL 关联估计可能不可解释且不精确。本文中，我们提出一种新的 eQTL 作用的对数线性模型（log-of-linear model），称为 ACME，它以加性方式捕捉等位基因对顺式作用 eQTL 的贡献，产生的效应大小估计对应于生物学上连贯的顺式 eQTL 模型。我们描述了一种通过最大似然拟合该模型的非线性最小二乘算法，并获得相应的 值。我们使用模拟数据与基因型组织表达（GTEx）项目数据的结合对该模型进行了细致研究。我们的结果几乎未显示显性效应的证据，这一简洁结果与等位基因特异性表达的简单生物学模型一致，并支持使用 ACME 模型。我们表明，在现实设定下我们的方法能很好地控制第一类错误，因此基于秩的标准化是不必要的。此外，我们显示在此提出模型下此类标准化可能损害功效与估计精度。随后我们提供了 GTEx 数据中全基因组顺式 eQTL 的 ACME 效应大小摘要。
引用
@article{arxiv.1605.08799,
title = {Estimation of Interpretable eQTL Effect Sizes Using a Log of Linear Model},
author = {John Palowitch and Andrey Shabalin and Yihui Zhou and Andrew B. Nobel and Fred A. Wright},
journal= {arXiv preprint arXiv:1605.08799},
year = {2017}
}