Efficient multivariate linear mixed model algorithms for genome-wide association studies.
Efficient multivariate linear mixed model algorithms for genome-wide association studies.
复制标题
用于全基因组关联研究的有效多元线性混合模型算法。
DOI：
10.1038/nmeth.2848
复制
发表时间：
2014-04
期刊：
影响因子：
48
通讯作者：
Stephens, Matthew
中科院分区：
文献类型：
--
作者：
Zhou, Xiang;Stephens, Matthew
多元线性混合模型 (mvLMM) 是测试 SNP 与多个相关表型关联的强大工具，同时控制全基因组关联研究中的群体分层。我们提出了用于拟合 mvLMM 和计算似然比测试的计算高效算法，这些算法在以下方面改进了现有的近似方法：i) 计算速度，ii) 功效/p 值校准，iii) 处理两种以上表型的能力。我们在真实和模拟数据上说明这些特征。
Multivariate linear mixed models (mvLMMs) are powerful tools for testing SNP associations with multiple correlated phenotypes while controlling for population stratification in genome-wide association studies. We present computationally-efficient algorithms for fitting mvLMMs and computing likelihood ratio tests that improve on existing approximate methods in i) computation speed, ii) power/p value calibration, iii) ability to deal with more than two phenotypes. We illustrate these features on real and simulated data.
登录
查看更多内容
影响因子：
3.3
作者：
Runcie, Daniel E.;Mukherjee, Sayan
通讯作者：
Mukherjee, Sayan
影响因子：
5.1
作者：
Karin, Meyer
通讯作者：
Karin, Meyer
影响因子：
5.8
作者：
Lee, S. H.;Yang, J.;Wray, N. R.
通讯作者：
Wray, N. R.
代谢综合征特征的常见SNP解释了遗传力和遗传相关性。
影响因子：
4.5
作者：
Vattikuti S;Guo J;Chow CC
通讯作者：
Chow CC
影响因子：
3.7
作者：
Stephens M
通讯作者：
Stephens M