基于小波的高通量测序实验产生的功能性表型遗传关联分析
统计方法学
2013-07-30 v1 基因组学
摘要
理解遗传变异如何影响细胞层面的过程，是理解其如何影响重要生物体层面性状（即“表型”，包括人类疾病易感性）的重要步骤。为此，科学家们正在进行大规模遗传关联研究，旨在识别与分子和细胞表型（如基因表达、转录因子结合或染色质可及性）相关的遗传变异。这些研究利用高通量测序实验（例如 RNA-seq、ChIP-seq、DNase-seq）获取高分辨率数据，以观察每个样本中性状沿基因组的变化情况。然而，典型的关联分析未能充分利用这些高分辨率测量值，而是将数据聚合到较粗的分辨率，如基因或固定长度的窗口。在此，我们开发并应用了能更好利用高分辨率数据的统计方法。核心思想是将序列数据视为测量沿基因组变化的潜在“函数”，然后基于功能性数据分析的小波方法，检验遗传变异与该潜在函数之间的关联性。将这些方法应用于识别与染色质可及性相关的遗传变异（dsQTLs）时，我们发现其识别出的关联数量显著多于简单的基于窗口的分析，总计识别出 772 个原始分析未发现的新型 dsQTLs。
引用
@article{arxiv.1307.7203,
title = {Wavelet-based genetic association analysis of functional phenotypes arising from high-throughput sequencing assays},
author = {Heejung Shim and Matthew Stephens},
journal= {arXiv preprint arXiv:1307.7203},
year = {2013}
}