用于处理酒精依赖研究中缺失值的多视图稀疏向量分解
定量方法
2018-05-31 v2
摘要
由于《精神疾病诊断与统计手册》（DSM）IV 所定义的表型具有异质性，识别酒精依赖（AD）风险背后的遗传变异并非最优选择，识别 AD 亚型成为重要课题。传统无监督聚类分析与潜类别分析是获取亚型最常用的方法，但在缺乏遗传信息指导时，这些方法所得亚型在遗传分析中可能用处不大。近来提出的一些多视图共聚类方法改善了此缺陷，但这些新方法未考虑数据内部的缺失值。为克服该局限，我们将其中一种多视图方法扩展为同时处理缺失值与聚类。我们将该方法应用于 2230 个欧裔美国人样本，发现该亚型已知的常见遗传变异 rs1229984（位于候选基因 ADH1B 中）比相应病例对照关联检验更为显著。最后，我们在 1707 个重复样本上验证，同样发现其显著。
引用
@article{arxiv.1712.09439,
title = {Multi-View Sparse Vector Decomposition to Deal With Missing Values in Alcohol Dependence Study},
author = {Guoqing Chao},
journal= {arXiv preprint arXiv:1712.09439},
year = {2018}
}
备注
the data set did not pass the IRB review