Evaluation of a bayesian model integration-based method for censored data.
Evaluation of a bayesian model integration-based method for censored data.
复制标题
DOI：
10.1159/000342707
复制
发表时间：
2012
期刊：
影响因子：
1.8
通讯作者：
Bartlett CW
中科院分区：
文献类型：
--
作者：
Hou L;Wang K;Bartlett CW
非随机缺失数据可能会对基于家族的连锁检测产生不利影响，因为其功效损失和可能引入的偏倚取决于删失模型的建立。我们研究了先前提出的数量性状阈值（QTT）模型的统计特性，当删失数据可以合理地推断为超出一个未知的阈值。QTT模型是在PPL框架中实施的贝叶斯模型集成方法，既不需要指定阈值，也不需要填补缺失数据。该模型在一系列模拟数据集下进行了评价，并与其他方法进行了比较，缺失数据进行了插补。在整个模拟的条件下，除了在平均PPL作为反映的信息含量降低，由于审查的轻微减少，阈值参数的增加并没有改变PPL的属性相对于非删失数据的数量性状分析。这仍然是非正态分布的数据和极端的家系抽样的情况下。总的来说，QTT模型显示出最小的损失的连锁信息相对于替代方法，因此提供了一个独特的分析工具，避免了在基因定位研究中的审查数据的特设插补的需要。
Non-random missing data can adversely affect family-based linkage detection through loss of power and possible introduction of bias depending on how censoring is modeled. We examined the statistical properties of a previously proposed quantitative trait threshold (QTT) model developed for when censored data can be reasonably inferred to be beyond an unknown threshold. The QTT model is a Bayesian model integration approach implemented in the PPL framework that requires neither specification of the threshold nor imputation of the missing data. This model was evaluated under a range of simulated datasets and compared to other methods with missing data imputed. Across the simulated conditions, the addition of a threshold parameter did not change PPL’s properties relative to quantitative trait analysis on non-censored data except for a slight reduction in the average PPL as a reflection of the lowered information content due to censoring. This remained the case for non-normally distributed data and extreme sampling of pedigrees. Overall, the QTT model showed the smallest loss of linkage information relative to alternative approaches and therefore provides a unique analysis tool that obviates the need for ad hoc imputation of censored data in gene mapping studies.
登录
查看更多内容
联合联系和全基因组关联分析的新方法找到了两种自闭症亚型的独特遗传结构的证据。
影响因子：
4.9
作者：
Vieland, Veronica J.;Hallmayer, Joachim;Huang, Yungui;Pagnamenta, Alistair T.;Pinto, Dalila;Khan, Hameed;Monaco, Anthony P.;Paterson, Andrew D.;Scherer, Stephen W.;Sutcliffe, James S.;Szatmari, Peter
通讯作者：
Szatmari, Peter
影响因子：
8.3
作者：
Cui, JSS;Hopper, JL;Harrap, SB
通讯作者：
Harrap, SB
影响因子：
3.3
作者：
Sillanpaa, Mikko J.;Hoti, Fabian
通讯作者：
Hoti, Fabian
影响因子：
2.9
作者：
Bartlett CW;Vieland VJ
通讯作者：
Vieland VJ
影响因子：
30.8
作者：
Abecasis, GR;Cherny, SS;Cardon, LR
通讯作者：
Cardon, LR