全基因组关联研究中线性混合模型的权衡
定量方法
2021-11-09 v1 机器学习
种群与进化
统计方法学
摘要
受全基因组关联研究（GWAS）文献中广为人知的实证论点启发，我们研究了应用于 GWAS 的线性混合模型（LMMs）的统计性质。首先，我们研究 LMMs 对将候选 SNP 纳入亲缘关系矩阵的敏感性，后者在实践中常为提高计算速度而采用。我们的结果揭示了纳入候选 SNP 所产生误差的大小，为以速度换取准确性的这一技术提供了依据。其次，我们探究混合模型如何校正 GWAS 中的混杂因素，这被广泛认为是 LMMs 相对于传统方法的优势。我们考虑两类混杂因素来源——群体分层与环境混杂因素，并研究实践中常用不同方法如何对这些混杂因素进行不同的权衡。
引用
@article{arxiv.2111.03739,
title = {Tradeoffs of Linear Mixed Models in Genome-wide Association Studies},
author = {Haohan Wang and Bryon Aragam and Eric Xing},
journal= {arXiv preprint arXiv:2111.03739},
year = {2021}
}
备注
in final revision of Journal of Computational Biology