基于 copula 模型函数回归的二元时间事件数据基因水平关联分析
应用统计
2019-04-03 v1
摘要
近年来，针对时间事件性状提出了若干基因水平关联检验，用于检测一个基因区域（包含多个变异）作为一个整体是否与生存结局相关。然而，对于二元生存结局，据我们所知，尚无可直接用于基因水平关联分析的统计方法。受一项旨在发现与双侧眼病年龄相关性黄斑变性（AMD）进展相关的基因区域的遗传研究启发，我们在 copula 框架下实现了一种新颖的函数回归方法。具体而言，基因区域内变异的效应通过函数线性模型建模，进而贡献于 copula 内的边际生存函数。推导了广义得分检验和似然比检验统计量，以检验二元生存性状与基因区域之间的关联。我们进行了广泛的模拟研究，以评估所提方法的第一类错误控制和功效表现，并与针对单一生存性状的几种现有方法以及使用稳健三明治估计量的边际 Cox 函数回归模型（用于二元生存性状）进行比较。最后，我们将该方法应用于一项大型 AMD 研究——年龄相关性眼病研究（AREDS），以识别与 AMD 进展相关的基因区域。
引用
@article{arxiv.1904.01116,
title = {Gene-based Association Analysis for Bivariate Time-to-event Data through Functional Regression with Copula Models},
author = {Yue Wei and Yi Liu and Wei Chen and Ying Ding},
journal= {arXiv preprint arXiv:1904.01116},
year = {2019}
}