LPG：一种利用全基因组关联研究中多效性的四组概率方法
统计方法学
2017-10-27 v1
摘要
迄今为止，全基因组关联研究（GWAS）已在多种性状/疾病中成功识别出数以万计的遗传变异，为复杂疾病的遗传结构提供了启示。复杂疾病的多基因性，即大量风险变异以微小的个体效应共同贡献于复杂疾病遗传力的现象，已被广泛接受。这给全面刻画复杂疾病的遗传基础带来了重大挑战。多基因性的一个直接推论是，需要大得多的样本量才能检测到弱/中等效应的风险变异。与此同时，越来越多的证据表明不同复杂疾病可共享遗传风险变异，这一现象被称为多效性。在本研究中，我们提出一种在大规模GWAS数据中利用多效性效应（LPG）的统计框架。LPG利用变分贝叶斯期望最大化（VBEM）算法，使其在基因组尺度分析中计算高效且可扩展。为展示LPG相对于现有不利用多效性方法的优势，我们进行了广泛的模拟研究，并将LPG应用于分析三种自身免疫疾病（克罗恩病、类风湿关节炎和1型糖尿病）。结果表明，LPG可通过利用多效性提高风险变异优先级排序的效力以及风险预测的准确性。该软件可从 https://github.com/Shufeyangyi2015310117/LPG 获取。
引用
@article{arxiv.1710.09551,
title = {LPG: a four-groups probabilistic approach to leveraging pleiotropy in genome-wide association studies},
author = {Yi Yang and Mingwei Dai and Jian Huang and Xinyi Lin and Can Yang and Jin Liu and Min Chen},
journal= {arXiv preprint arXiv:1710.09551},
year = {2017}
}
备注
81 page (include supplementary)