通过整合全基因组方法探索复杂疾病的遗传模式
计算工程、金融与科学
2015-01-27 v1 定量方法
统计方法学
摘要
动机：全基因组关联研究 (GWASs) 检测数千个体中的超过一百万个单核苷酸多态性 (SNPs)，已被广泛用于识别复杂疾病的遗传风险变异。然而，大多数已识别的变异仅贡献相对较小的风险增量，且仅解释了复杂疾病遗传变异的一小部分。这就是所谓的缺失遗传力问题。证据表明，许多复杂疾病在遗传上是相关的，意味着这些疾病共享共同的遗传风险变异。因此，探索多个相关研究之间的遗传相关性可能是一种有前景的策略，用于消除虚假关联并识别潜在的遗传风险变异，从而揭开复杂疾病中缺失遗传力的谜团。结果：我们提出了一种通用且稳健的方法，从多个大规模基因组数据集中识别遗传模式。我们将汇总统计量视为矩阵，并证明遗传模式将形成一个低秩矩阵加上一个稀疏分量。因此，我们将该问题公式化为矩阵恢复问题，旨在发现多种疾病/性状共享的风险变异以及每种单独疾病/性状的风险变异。我们提出了用于矩阵恢复的凸规划公式和一种高效算法来解决该问题。我们利用合成数据集和真实数据集展示了我们方法的优势。实验结果表明，我们的方法能够成功地从汇总统计量中重建共享的和单独的遗传模式，并在广泛的情景下实现了优于替代方法的性能。
引用
@article{arxiv.1501.06396,
title = {Exploring the genetic patterns of complex diseases via the integrative genome-wide approach},
author = {Ben Teng and Can Yang and Jiming Liu and Zhipeng Cai and Xiang Wan},
journal= {arXiv preprint arXiv:1501.06396},
year = {2015}
}