plmmr：面向基因组关联研究的带复杂相关结构的惩罚线性混合模型 R 包
统计计算
2026-05-13 v1
摘要
在高维回归建模中，观察值之间的相关性可能是主要的混杂来源。我们 presented 一个新的开源软件包，plmmr，用于在 R 中实现惩罚线性混合模型。该 R 软件包估计高维数据中观察值之间的相关性，并利用这些估计通过最佳线性无偏预测器 (BLUP) 来提高预测性能。该软件包使用内存映射技术，即使数据规模超过 RAM 也可在普通机器上分析。我们在此报告了方法、工作流程和 plmmr 所依赖的文件后备方法，并通过两个来自真实 GWAS 数据的示例演示了其计算能力。
引用
@article{arxiv.2502.01577,
title = {plmmr: an R package to fit penalized linear mixed models for genome-wide association data with complex correlation structure},
author = {Tabitha K. Peter and Anna C. Reisetter and Yujing Lu and Oscar A. Rysavy and Patrick J. Breheny},
journal= {arXiv preprint arXiv:2502.01577},
year = {2026}
}
备注
23 pages, 5 figures; https://github.com/pbreheny/plmmr