广义相似U：一种基于相似性的非参数关联检验
统计方法学
2025-08-18 v1 人工智能
机器学习
基因组学
机器学习
摘要
第二代测序技术正越来越多地用于遗传关联研究，其主要研究兴趣在于识别贡献于各种表型的一组遗传变异。表型可以是单变量疾病状态、多变量响应甚至高维结局。将基因型和表型视为两个复杂对象，这也提出了一个检验复杂对象间关联的通用统计问题。我们在此提出一种基于相似性的检验——广义相似U(GSU)，可检验复杂对象间的关联。我们首先在一般设定下研究了该检验的理论性质，随后聚焦于该检验在测序关联研究中的应用。基于理论分析，我们提出对GSU使用基于拉普拉斯核的相似性以提升功效并增强稳健性。通过模拟，我们发现GSU在功效和稳健性方面确实优于现有方法。我们进一步对阿尔茨海默病神经影像学倡议(ADNI)数据进行了全基因组测序(WGS)扫描，识别出与影像表型相关的三个基因APOE、APOC1和TOMM40。我们开发了用于GSU全基因组测序数据分析的C++软件包。源代码可在https://github.com/changshuaiwei/gsu下载。
引用
@article{arxiv.1801.01220,
title = {Generalized Similarity U: A Non-parametric Test of Association Based on Similarity},
author = {Changshuai Wei and Qing Lu},
journal= {arXiv preprint arXiv:1801.01220},
year = {2025}
}