Flashfm: A Flexible and Shared Information Fine-mapping Approach for Multiple Quantitative Traits
Flashfm: A Flexible and Shared Information Fine-mapping Approach for Multiple Quantitative Traits
复制标题
Flashfm：一种针对多种定量性状的灵活且共享的信息精细绘图方法
DOI：
10.1101/2021.04.09.439186
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Hernández N
中科院分区：
文献类型：
--
作者：
Hernández N
利用数量性状之间的信息的联合精细定位可以提高单性状精细定位的准确性和分辨率。使用汇总统计，flashfm（灵活和共享信息精细映射）精细映射多个性状的信号，允许缺失性状测量和使用相关个体。在贝叶斯框架中，先验模型概率被制定为有利于共享因果变量的模型组合，以利用性状之间的信息。模拟研究表明，这两种方法产生大致相同的结果时，性状没有共享的因果变异。当性状共享至少一个因果变异时，与单性状精细定位相比，flashfm减少了30%的潜在因果变异。在一个有33个心脏代谢特征的乌干达队列中，flashfm使单特征精细定位的潜在因果变异总数减少了20%。Flashfm计算效率高，可以很容易地部署在公共可用的汇总统计数据中，用于多达六个特征的信号。
Joint fine-mapping that leverages information between quantitative traits could improve accuracy and resolution over single-trait fine-mapping. Using summary statistics, flashfm (FLexible And SHared information Fine-Mapping) fine-maps signals for multiple traits, allowing for missing trait measurements and use of related individuals. In a Bayesian framework, prior model probabilities are formulated to favour model combinations that share causal variants to capitalise on information between traits. Simulation studies demonstrate that both approaches produce broadly equivalent results when traits have no shared causal variants. When traits share at least one causal variant, flashfm reduces the number of potential causal variants by 30% compared with single-trait fine-mapping. In a Ugandan cohort with 33 cardiometabolic traits, flashfm gave a 20% reduction in the total number of potential causal variants from single-trait fine-mapping. Flashfm is computationally efficient and can easily be deployed across publicly available summary statistics for signals in up to six traits.
登录
查看更多内容
影响因子：
4.5
作者：
C. Wallace;A. Cutler;Nikolas Pontikos;M. Pekalski;O. Burren;J. Cooper;Arcadio Rubio García;R. Ferreira;Hui Guo;N. Walker;D. Smyth;S. Rich;S. Onengut-Gumuscu;S. Sawcer;M. Ban;S. Richardson;J. Todd;L. Wicker
通讯作者：
C. Wallace;A. Cutler;Nikolas Pontikos;M. Pekalski;O. Burren;J. Cooper;Arcadio Rubio García;R. Ferreira;Hui Guo;N. Walker;D. Smyth;S. Rich;S. Onengut-Gumuscu;S. Sawcer;M. Ban;S. Richardson;J. Todd;L. Wicker
影响因子：
30.8
作者：
Bulik-Sullivan, Brendan K.;Loh, Po-Ru;Finucane, Hilary K.;Ripke, Stephan;Yang, Jian;Patterson, Nick;Daly, Mark J.;Price, Alkes L.;Neale, Benjamin M.
通讯作者：
Neale, Benjamin M.
随机搜索和联合精细绘图提高了准确性并识别了以前未报告的免疫介导疾病的关联
DOI：
10.17863/cam.55218
发表时间：
2019
期刊：
--
影响因子：
--
作者：
Asimit J
通讯作者：
Asimit J
影响因子：
6.5
作者：
J. Breslow;V. I. Zannis;T. SanGiacomo;J. Third;T. Tracy;C. Glueck
通讯作者：
J. Breslow;V. I. Zannis;T. SanGiacomo;J. Third;T. Tracy;C. Glueck
影响因子：
9.8
作者：
Benner, Christian;Havulinna, Aki S.;Pirinen, Matti
通讯作者：
Pirinen, Matti