重新审视多元方差分量模型中遗传连锁似然比检验的渐近零分布

准确了解假设检验的零分布对于检验的有效应用至关重要。在以往的论文和软件中，多元方差分量模型中检测遗传连锁的似然比检验的渐近零分布被表述为具有二项式混合概率的卡方分布混合。这里我们通过模拟和基于参数空间几何的理论论证表明，先前表述的渐近零分布的所有方面都是不正确的——无论是二项式混合概率还是卡方分量。修正零分布会得到比先前表述更保守的临界值，从而产生的 P 值可能轻易增大十倍。真实的混合概率赋予所有方差参数估计为正的情况最高概率，并且混合分量显示出与卡方分布的严重偏离。因此，渐近零分布具有复杂的特征，这对多元连锁结果显著性的评估提出了挑战。我们提出了一种生成渐近零分布的方法，该方法比基因丢弃等其他经验方法快得多，使我们能够更有效地获得更高精度的 P 值。