REMI：基于边际信息的回归及其在全基因组关联研究中的应用
应用统计
2018-05-04 v1
摘要
在本研究中，我们考虑在高维线性回归模型中当完整数据不可获取、仅可获得某些边际信息或汇总统计量时的变量选择与估计问题。该问题源于已广泛用于识别复杂人类性状/疾病风险变异的全基因组关联研究(GWAS)。随着大量 GWAS 的完成，由于个体水平数据集的可及性受限，利用汇总统计量的统计方法变得愈发重要。理论上得到保证的方法对于推进利用大量可用边际信息的统计推断极具需求。在此我们提出一种 惩罚方法 REMI，利用边际信息和外部参考样本估计高维回归系数。我们建立了 REMI 估计量误差的上界，其阶数与具有完整个体水平数据的 Lasso 的极小极大误差界相同。特别地，当边际信息来自大量样本且辅以少量参考样本时，REMI 能产生良好的估计与预测结果，并且优于 Lasso，因为可获取的个体水平数据的样本量可能有限。通过模拟研究以及对 NFBC1966 GWAS 数据集的真实数据分析，我们证明了 REMI 具有广泛适用性。所开发的 R 包及用于复现所有结果的代码可在 https://github.com/gordonliu810822/REMI 获取。
引用
@article{arxiv.1805.01284,
title = {REMI: Regression with marginal information and its application in genome-wide association studies},
author = {Jian Huang and Yuling Jiao and Jin Liu and Can Yang},
journal= {arXiv preprint arXiv:1805.01284},
year = {2018}
}