结构化基因-环境交互作用分析
统计方法学
2018-10-19 v1
摘要
对于复杂疾病的病因、进展和治疗，基因-环境（G-E）交互作用具有超越主G效应和主E效应的重要意义。由于更高的维度以及需要满足“主效应、交互作用”层次结构，G-E交互作用分析更具挑战性。在近期文献中，已发展出一系列新方法，其中许多基于惩罚技术。然而，在大多数此类研究中，G测量的结构（例如SNP的邻接结构，归因于其在染色体上的物理邻接；以及基因表达的网络结构，归因于其协调的生物学功能和相关测量）并未得到良好处理。在本研究中，我们发展了结构化G-E交互作用分析，其中通过针对主G效应和交互作用均采用惩罚来容纳此类结构。惩罚也被用于正则化估计与选择。所提出的结构化交互作用分析可有效实现。研究表明其在高维设定下具有一致性性质。对带有SNP测量的GENEVA糖尿病数据以及带有基因表达测量的TCGA黑色素瘤数据的模拟与分析证明了其具有竞争力的实际表现。
引用
@article{arxiv.1810.07902,
title = {Structured gene-environment interaction analysis},
author = {Mengyun Wu and Qingzhao Zhang and Shuangge Ma},
journal= {arXiv preprint arXiv:1810.07902},
year = {2018}
}