Resource profile and user guide of the Polygenic Index Repository.
Resource profile and user guide of the Polygenic Index Repository.
复制标题
DOI：
10.1038/s41562-021-01119-3
复制
发表时间：
2021-12
影响因子：
29.9
通讯作者：
Okbay A
中科院分区：
文献类型：
--
作者：
Becker J;Burik CAP;Goldman G;Wang N;Jayashankar H;Bennett M;Belsky DW;Karlsson Linnér R;Ahlskog R;Kleinman A;Hinds DA;23andMe Research Group;Caspi A;Corcoran DL;Moffitt TE;Poulton R;Sugden K;Williams BS;Harris KM;Steptoe A;Ajnakina O;Milani L;Esko T;Iacono WG;McGue M;Magnusson PKE;Mallard TT;Harden KP;Tucker-Drob EM;Herd P;Freese J;Young A;Beauchamp JP;Koellinger PD;Oskarsson S;Johannesson M;Visscher PM;Meyer MN;Laibson D;Cesarini D;Benjamin DJ;Turley P;Okbay A
多基因指数（PGI）是基于DNA的预测因子。它们在许多科学学科中的研究价值正在迅速增长。作为研究人员的资源，我们使用一致的方法在11个数据集中为47个表型构建了PGIs。为了最大限度地提高PGI的预测准确性，我们使用全基因组关联研究（一些以前没有公开）从多个数据源（包括23andMe和UK Biobank）构建了它们。我们提出了一个理论框架，以帮助解释涉及PGIs的分析。一个关键的见解是，PGI可以被理解为一个无偏但有噪声的潜在变量的测量，我们称之为“加性SNP因子”。回归，其中真正的回归因子是加性SNP因子，但PGI被用作其代理，因此遭受变量误差偏差。我们推导出一个估计器，纠正了偏差，说明了纠正，并使Python工具实现它公开可用。
Polygenic indexes (PGIs) are DNA-based predictors. Their value for research in many scientific disciplines is rapidly growing. As a resource for researchers, we used a consistent methodology to construct PGIs for 47 phenotypes in 11 datasets. To maximize the PGIs’ prediction accuracies, we constructed them using genome-wide association studies—some not previously published—from multiple data sources, including 23andMe and UK Biobank. We present a theoretical framework to help interpret analyses involving PGIs. A key insight is that a PGI can be understood as an unbiased but noisy measure of a latent variable we call the “additive SNP factor.” Regressions in which the true regressor is the additive SNP factor but the PGI is used as its proxy therefore suffer from errors-in-variables bias. We derive an estimator that corrects for the bias, illustrate the correction, and make a Python tool for implementing it publicly available.
登录
查看更多内容
影响因子：
5.6
作者：
Benjamin DJ;Cesarini D;Chabris CF;Glaeser EL;Laibson DI;Guðnason V;Harris TB;Launer LJ;Purcell S;Smith AV;Johannesson M;Magnusson PK;Beauchamp JP;Christakis NA;Atwood CS;Hebert B;Freese J;Hauser RM;Hauser TS;Grankvist A;Hultman CM;Lichtenstein P
通讯作者：
Lichtenstein P
影响因子：
30.8
作者：
Das, Sayantan;Forer, Lukas;Schoenherr, Sebastian;Sidore, Carlo;Locke, Adam E.;Kwong, Alan;Vrieze, Scott I.;Chew, Emily Y.;Levy, Shawn;McGue, Matt;Schlessinger, David;Stambolian, Dwight;Loh, Po-Ru;Iacono, William G.;Swaroop, Anand;Scott, Laura J.;Cucca, Francesco;Kronenberg, Florian;Boehnke, Michael;Abecasis, Goncalo R.;Fuchsberger, Christian
通讯作者：
Fuchsberger, Christian
影响因子：
16.6
作者：
Day FR;Bulik-Sullivan B;Hinds DA;Finucane HK;Murabito JM;Tung JY;Ong KK;Perry JRB
通讯作者：
Perry JRB
影响因子：
7.2
作者：
Belsky, Daniel W.;Harden, K. Paige
通讯作者：
Harden, K. Paige
影响因子：
11
作者：
通讯作者：
--