利用 knockoffs 的基因组宽关联研究中的迁移学习
应用统计
2021-08-20 v1
摘要
本文提出并比较了多种替代性迁移学习方法，这些方法可通过利用来自不同人群或测量相关结局的外部数据集中的先验信息，提升基于 knockoffs 的条件检验的功效。该方法论的相关性尤其在基因组宽关联研究背景下得到探讨，其中它有助于应对一个迫切需求：以有原则的方式恰当地考量并高效学习对应于多样祖先的遗传变异。最后，我们将这些方法应用于分析 UK Biobank 数据集中的若干表型，证明迁移学习帮助 knockoffs 在少数族裔群体收集的数据中发现更多数量的关联， potentially 为开发更精准的多基因风险评分开辟了道路。
引用
@article{arxiv.2108.08813,
title = {Transfer learning in genome-wide association studies with knockoffs},
author = {Shuangning Li and Zhimei Ren and Chiara Sabatti and Matteo Sesia},
journal= {arXiv preprint arXiv:2108.08813},
year = {2021}
}