Estimating and testing pleiotropy of single genetic variant for two quantitative traits.
Estimating and testing pleiotropy of single genetic variant for two quantitative traits.
复制标题
DOI：
10.1002/gepi.21837
复制
发表时间：
2014-09
影响因子：
2.1
通讯作者：
Borecki, Ingrid B.
中科院分区：
文献类型：
--
作者：
Zhang, Qunyuan;Feitosa, Mary;Borecki, Ingrid B.
沿着基因组时代遗传变异和生物医学表型数据的积累，多效性的统计鉴定对于解剖和理解复杂性状之间的遗传相关性越来越受到关注。我们提出了一种新的方法来估计和测试遗传变异对两个数量性状的多效性效应。基于协方差分解和估计，我们的方法将多效性量化为由相同遗传变异解释的性状间相关的部分。与大多数评估潜在多效性的多性状方法不同（即，变体是否对至少一个性状有贡献），我们的方法用公式表示检验精确多效性的统计量（即，一个变体是否对这两个性状都有贡献）。我们开发了两种方法（回归方法和自举方法），这样的测试，并研究其统计特性，与其他潜在的多效性测试方法相比。我们的模拟表明，回归方法在完全空值（即，变体对两个性状都没有影响）和不完全无效（即，一个变体只对两个性状中的一个有影响），但是当自举方法具有更好的功效并且在完全无效的情况下产生保守的p值时，需要大的样本量来实现良好的功效。我们证明了我们的方法，使用真实的GWAS数据集检测确切的多效性。我们的方法提供了一个易于实现的工具，用于测量，测试和理解一个单一的变量对两个复杂性状的相关结构的多效性影响。
Along with the accumulated data of genetic variants and biomedical phenotypes in the genome era, statistical identification of pleiotropy is of growing interest for dissecting and understanding genetic correlations between complex traits. We proposed a novel method for estimating and testing pleiotropic effect of a genetic variant on two quantitative traits. Based on a covariance decomposition and estimation, our method quantifies pleiotropy as the portion of between-trait correlation explained by the same genetic variant. Unlike most multiple-trait methods that assess potential pleiotropy (i.e., whether a variant contributes to at least one trait), our method formulates a statistic that tests exact pleiotropy (i.e., whether a variant contributes to both of two traits). We developed two approaches (a regression approach and a bootstrapping approach) for such test and investigated their statistical properties, in comparison with other potential pleiotropy test methods. Our simulation shows that the regression approach produces correct p-values under both the complete null (i.e., a variant has no effect on both two traits) and the incomplete null (i.e., a variant has effect on only one of two traits), but requires large sample sizes to achieve a good power, when the bootstrapping approach has a better power and produces conservative p-values under the complete null. We demonstrate our method for detecting exact pleiotropy using a real GWAS dataset. Our method provides an easy-to-implement tool for measuring, testing and understanding the pleiotropic effect of a single variant on the correlation architecture of two complex traits.
登录
查看更多内容
使用主要成分探索多效性。
影响因子：
2.9
作者：
Bensen, JT;Lange, LA;Langefeld, CD;Chang, BL;Bleecker, ER;Meyers, DA;Xu, JF
通讯作者：
Xu, JF
影响因子：
2.1
作者：
Yang, Qiong;Wu, Hongsheng;Guo, Chao-Yu;Fox, Caroline S.
通讯作者：
Fox, Caroline S.
影响因子：
2.1
作者：
Klei, Lambertus;Luca, Diana;Roeder, Kathryn
通讯作者：
Roeder, Kathryn
DOI：
10.1111/j.2517-6161.1995.tb02031.x
发表时间：
1995-01-01
影响因子：
5.8
作者：
BENJAMINI, Y;HOCHBERG, Y
通讯作者：
HOCHBERG, Y
影响因子：
3.8
作者：
Imai K;Jo B;Stuart EA
通讯作者：
Stuart EA