Leveraging hierarchical population structure in discrete association studies.
Leveraging hierarchical population structure in discrete association studies.
复制标题
DOI：
10.1371/journal.pone.0000591
复制
发表时间：
2007-07-04
期刊：
影响因子：
3.7
通讯作者：
Heckerman D
中科院分区：
文献类型：
--
作者：
Carlson J;Kadie C;Mallal S;Heckerman D
种群结构会混淆生物数据中相关性的识别。这种混淆在多个生物学学科中得到了承认，导致了一系列不同的拟议解决方案。我们研究了几种纠正离散数据与分层总体结构的混淆的方法，并识别了两个不同的混淆过程，我们称之为共同进化和条件影响。我们用生成模型来描述这些过程，并表明这些生成模型可以用来校正混杂效应。最后，我们将这些模型应用到三个应用中：识别HIV-1在特定的人类白细胞抗原介导的免疫压力下的逃逸突变，预测HIV-1多肽的共同进化残基，以及寻找与拟南芥细菌耐药性特征相关的基因类型。我们表明，在某些应用中，共同进化是对混淆的更好描述，而在其他应用中，条件影响更好。也就是说，我们表明，没有一种单一的方法是解决所有形式的混淆的最佳方法。基于这些模型的分析工具在互联网上以基于Web的应用程序和可从http://atom.research.microsoft.com/bio/phylod.aspx.下载的源代码的形式提供
Population structure can confound the identification of correlations in biological data. Such confounding has been recognized in multiple biological disciplines, resulting in a disparate collection of proposed solutions. We examine several methods that correct for confounding on discrete data with hierarchical population structure and identify two distinct confounding processes, which we call coevolution and conditional influence. We describe these processes in terms of generative models and show that these generative models can be used to correct for the confounding effects. Finally, we apply the models to three applications: identification of escape mutations in HIV-1 in response to specific HLA-mediated immune pressure, prediction of coevolving residues in an HIV-1 peptide, and a search for genotypes that are associated with bacterial resistance traits in Arabidopsis thaliana. We show that coevolution is a better description of confounding in some applications and conditional influence is better in others. That is, we show that no single method is best for addressing all forms of confounding. Analysis tools based on these models are available on the internet as both web based applications and downloadable source code at http://atom.research.microsoft.com/bio/phylod.aspx.
登录
查看更多内容
拟南芥中全基因组的关联映射确定了先前已知的开花时间和病原体抗性基因。
影响因子：
4.5
作者：
Aranzana MJ;Kim S;Zhao K;Bakker E;Horton M;Jakob K;Lister C;Molitor J;Shindo C;Tang C;Toomajian C;Traw B;Zheng H;Bergelson J;Dean C;Marjoram P;Nordborg M
通讯作者：
Nordborg M
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：
30.8
作者：
Helgason, A;Yngvadóttir, B;Stefánsson, K
通讯作者：
Stefánsson, K
影响因子：
10.7
作者：
Bruno, WJ
通讯作者：
Bruno, WJ
影响因子：
11
作者：
Auranen, M;Varilo, T;Järvelä, I
通讯作者：
Järvelä, I