BTOB: Extending the Biased GWAS to Bivariate GWAS.
BTOB: Extending the Biased GWAS to Bivariate GWAS.
复制标题
BTOB：将有偏差的 GWAS 扩展到双变量 GWAS
DOI：
10.3389/fgene.2021.654821
复制
发表时间：
2021
影响因子：
3.7
通讯作者：
Guo X
中科院分区：
文献类型：
--
作者：
Zhu J;Fan Q;Deng W;Wang Y;Guo X
近年来，一些文献发表了针对人类疾病或性状的大规模全基因组关联研究(GWASs)，同时调整了其他可遗传的协变量。然而，众所周知，这些GWAS是有偏见的，这可能会导致有偏见的基因估计，甚至是假阳性。在这项研究中，我们提供了一种称为“BtoB”的方法，它通过整合调整后的可遗传协变量的有偏GWAS和GWA的汇总关联统计量，将有偏GWAS扩展到双变量GWAS。我们使用提出的BtoB方法分析了大规模Meta-GWASs的腰臀比(WHR)和体重指数(BMI)的汇总关联统计，结果表明，与相应的单变量GWASs相比，该方法可以帮助识别更多的易感基因。理论结果和仿真结果也证实了该方法的有效性和高效性。
In recent years, a number of literatures published large-scale genome-wide association studies (GWASs) for human diseases or traits while adjusting for other heritable covariate. However, it is known that these GWASs are biased, which may lead to biased genetic estimates or even false positives. In this study, we provide a method called “BTOB” which extends the biased GWAS to bivariate GWAS by integrating the summary association statistics from the biased GWAS and the GWAS for the adjusted heritable covariate. We employ the proposed BTOB method to analyze the summary association statistics from the large scale meta-GWASs for waist-to-hip ratio (WHR) and body mass index (BMI), and show that the proposed approach can help identify more susceptible genes compared with the corresponding univariate GWASs. Theoretical results and simulations also confirm the validity and efficiency of the proposed BTOB method.
登录
查看更多内容
影响因子：
3.5
作者：
Pulit SL;Stoneman C;Morris AP;Wood AR;Glastonbury CA;Tyrrell J;Yengo L;Ferreira T;Marouli E;Ji Y;Yang J;Jones S;Beaumont R;Croteau-Chonka DC;Winkler TW;GIANT Consortium;Hattersley AT;Loos RJF;Hirschhorn JN;Visscher PM;Frayling TM;Yaghootkar H;Lindgren CM
通讯作者：
Lindgren CM
影响因子：
30.8
作者：
Yang, Jian;Ferreira, Teresa;Morris, Andrew P.;Medland, Sarah E.;Madden, Pamela A. F.;Heath, Andrew C.;Martin, Nicholas G.;Montgomery, Grant W.;Weedon, Michael N.;Loos, Ruth J.;Frayling, Timothy M.;McCarthy, Mark I.;Hirschhorn, Joel N.;Goddard, Michael E.;Visscher, Peter M.
通讯作者：
Visscher, Peter M.
影响因子：
30.8
作者：
通讯作者：
--
影响因子：
2.1
作者：
Ray D;Pankow JS;Basu S
通讯作者：
Basu S
影响因子：
14.2
作者：
Zhu, Zhaozhong;Guo, Yanjun;Liang, Liming
通讯作者：
Liang, Liming