用于组间差异和基因型-表型关联的简约且有力的复合似然检验
统计方法学
2016-01-25 v1 应用统计
摘要
从病例对照数据检验表型与许多遗传变异之间的关联在全基因组关联研究（GWAS）中至关重要。这是一项具有挑战性的任务，因为许多此类变异相关或非信息性。在检验两组高维数据之间具有难处理完全似然函数的总体差异时存在相似性。检验可通过最大复合似然（MCL）来解决，而不需要完全似然，但当前的MCL检验由于涉及非信息性或冗余的子似然而面临功效损失。本文中，我们开发了一种前向搜索与检验方法，用于同时有力的组间差异检验和信息子似然的组合。我们的方法通过逐步仅包含信息性子似然来构建一系列Wald型检验统计量，以便在局部稀疏备择下提高检验功效。数值研究表明，随着建模复杂性的增加，它比现有检验取得了相当大的改进。我们的方法通过检验启发的乳腺癌GWAS数据得到进一步验证，并获得了有趣的结果。
引用
@article{arxiv.1601.05886,
title = {Parsimonious and powerful composite likelihood testing for group difference and genotype-phenotype association},
author = {Zhendong Huang and Davide Ferrari and Guoqi Qian},
journal= {arXiv preprint arXiv:1601.05886},
year = {2016}
}
备注
31 pages, 5 figures