使用带重叠的 Group Lasso 快速识别与数量性状相关的生物学通路
统计方法学
2012-01-30 v1
摘要
鉴于因果 SNP（单核苷酸多态性）倾向于在生物学通路中积累，在遗传关联研究中将先验通路信息纳入统计模型有望提高检测真实关联的效力。现有大多数基于通路的方法依赖于边际 SNP 统计量，并未充分利用通路内 SNP 之间的依赖模式。我们使用一个将 SNP 分组为通路的稀疏回归模型，以识别与数量性状相关的因果通路。我们的“带自适应权重的通路 group lasso”（P-GLAW）算法的显著特点包括：将所有通路纳入单一回归模型、一个考虑偏向通路选择因素的自适应通路加权过程，以及使用自助法抽样过程对重要通路进行排序。P-GLAW 考虑了重叠通路的存在，并采用一种新颖的技术组合来优化模型估计，使其运行速度极快，即使在全基因组数据集上也是如此。在一项与基于单变量 SNP 统计量的替代通路方法的比较研究中，我们的方法在检测重要通路方面展现出高灵敏度和高特异度，在边际 SNP 效应量较小时表现出最大的相对性能增益。
引用
@article{arxiv.1201.5745,
title = {Fast Identification of Biological Pathways Associated with a Quantitative Trait Using Group Lasso with Overlaps},
author = {Matt Silver and Giovanni Montana},
journal= {arXiv preprint arXiv:1201.5745},
year = {2012}
}
备注
29 pages