高维基因数据的 polygenic 风险评分不确定性
统计方法学
2024-12-31 v1 统计理论
统计理论
摘要
在许多预测任务中，存在大量弱信号的真实预测器，导致预测结果具有显著的不确定性。polygenic 风险评分 (PRS) 是此类情形的一个例子，其中使用大量基因变异作为复杂特征的预测器，每个变异仅贡献少量信息。尽管 PRS 已是基因预测的标准工具，但其不确定性仍基本未被探索。本文旨在在无稀疏约束的情况下建立 PRS 的渐近正态性。我们研究 PRS 应用中的流行的边际估计器和岭类估计器，为两个层面的预测值 developing 中心极限定理：例如，遗传预测的人类身高；以及 cohort 级别的预测准确度度量（例如，测试数据集中的总体预测 -平方）。我们的结果表明，忽略预测诱导的不确定性会导致对 PRS 基于估计器的真实方差的显著低估估计，从而可能导致对置信区间和假设检验准确性的过度信心。这些发现提供了现有面向高维稀疏性自由预测的第一阶渐近研究中所遗漏的关键见解，后者通常仅关注预测风险的点极限。我们发展了新型且灵活的第二阶随机矩阵理论结果，以评估具有一般协方差矩阵的函数的渐近正态性，而无需对数据假设为正态分布。我们通过对英国 Biobank 真实数据的大量数值分析来评估理论结果。我们的分析强调，在应用和解释 PRS 时，必须在个人层面和 cohort 层面上包含不确定性评估。
关键词
引用
@article{arxiv.2412.20611,
title = {Uncertainty of high-dimensional genetic data prediction with polygenic risk scores},
author = {Haoxuan Fu and Jiaoyang Huang and Zirui Fan and Bingxin Zhao},
journal= {arXiv preprint arXiv:2412.20611},
year = {2024}
}