高维混合模型中遗传与基因-环境交互效应的分层选择
统计方法学
2023-12-22 v1
摘要
基因与环境因素之间的交互可能在许多常见疾病的病因学中起关键作用。已有几种正则化广义线性模型（GLM）被提出用于基因-环境交互（GEI）效应的分层选择，其中 GEI 效应仅在相应的遗传主效应也被选入模型时才被选择。然而，这些方法均不允许包含随机效应以解释群体结构、受试者亲缘关系和共同环境暴露。在本文中，我们开发了一种基于正则化惩罚拟似然（PQL）估计的统一方法，以在稀疏正则化混合模型中执行 GEI 效应的分层选择。我们通过在存在群体结构和共同环境暴露下的模拟，比较了所提模型与现有方法的选择和预测准确性。我们表明，在所有模拟场景中，与其他惩罚方法相比，我们提出的方法通过控制模型中假阳性的数量来强制稀疏性，同时具有最佳的预测性能。最后，我们将该方法应用于使用面部疼痛：前瞻性评估与风险评估（OPPERA）研究的真实数据应用中，发现我们的方法检索到了先前报道的显著基因座。
引用
@article{arxiv.2312.13460,
title = {Hierarchical selection of genetic and gene by environment interaction effects in high-dimensional mixed models},
author = {Julien St-Pierre and Karim Oualkacha and Julien St-Pierre},
journal= {arXiv preprint arXiv:2312.13460},
year = {2023}
}
备注
2 figures, 7 tables