复杂疾病基因组研究中分析相关高维 SNP 数据的统计进展与挑战
应用统计
2008-12-18 v1
摘要
生物医学科学及其他应用领域信息技术的最新进展产生了大量具有高维特征空间的多样化数据集，这为我们提供了海量信息和提高人类生活质量的新机遇。与此同时，新数据的不断涌现也带来了巨大挑战，要求研究人员将这些原始数据转化为科学知识以从中受益。近年来，利用 SNP 数据进行的复杂疾病关联研究在生物医学研究中日益普及。本文综述了在复杂疾病基因组关联研究中分析相关高维 SNP 数据的最新统计进展与挑战。综述内容既包括针对高维相关数据的通用特征降维方法，也包括针对 SNP 数据的更具体方法，涵盖非单倍型映射、标签 SNP 选择，以及利用统计检验/评分、统计建模和机器学习方法进行有监督的 SNP 选择，并重点探讨了如何识别相互作用位点。
引用
@article{arxiv.0803.4065,
title = {Statistical advances and challenges for analyzing correlated high dimensional SNP data in genomic study for complex diseases},
author = {Yulan Liang and Arpad Kelemen},
journal= {arXiv preprint arXiv:0803.4065},
year = {2008}
}
备注
Published in at http://dx.doi.org/10.1214/07-SS026 the Statistics Surveys (http://www.i-journals.org/ss/) by the Institute of Mathematical Statistics (http://www.imstat.org)