二元遗传相关性数据的空间建模：识别与摩尔多瓦结核分枝杆菌传播相关的因素
统计方法学
2022-08-23 v3 应用统计
摘要
理解导致两个个体间疾病传播可能性增加的因素对于感染控制至关重要。然而，分析遗传相关性指标十分复杂，原因在于同一个体出现在多个二元结果中产生的相关性、由未测量的传播动力学引起的潜在空间相关性，以及某些结果独特的分布特征。我们开发了两种新颖的分层贝叶斯空间方法，用于分析以演化距离和传播概率形式呈现的二元遗传相关性数据，能够同时解决上述各项复杂问题。利用个体级空间相关随机效应参数，我们考虑了结果之间的多重相关性来源及其分布的其他重要特征。通过模拟，我们展示了现有方法在估计关键目标关联方面的局限性，以及新方法在不同相关性水平数据集上纠正这些问题的能力。所有方法均应用于来自摩尔多瓦共和国的结核分枝杆菌数据，在其中我们识别了此前未知的与疾病传播相关的因素，并通过分析随机效应参数找出了传播活动增加的关键个体与区域。模型比较表明了新方法在该场景下的重要性。这些方法已在 R 包 GenePair 中实现。
引用
@article{arxiv.2109.14003,
title = {Spatial modeling of dyadic genetic relatedness data: Identifying factors associated with M. tuberculosis transmission in Moldova},
author = {Joshua L. Warren and Melanie H. Chitwood and Benjamin Sobkowiak and Valeriu Crudu and Caroline Colijn and Ted Cohen},
journal= {arXiv preprint arXiv:2109.14003},
year = {2022}
}