Genome-wide efficient mixed-model analysis for association studies.
Genome-wide efficient mixed-model analysis for association studies.
复制标题
DOI：
10.1038/ng.2310
复制
发表时间：
2012-06-17
期刊：
影响因子：
30.8
通讯作者：
Stephens, Matthew
中科院分区：
文献类型：
--
作者：
Zhou, Xiang;Stephens, Matthew
线性混合模型作为一种强有力的、有效的工具，在遗传关联检验中用于解释群体分层和相关性，近年来引起了人们的广泛关注。然而，现有的标准检验统计量的精确计算方法在计算上是不切实际的，即使是中等规模的全基因组关联研究。为了处理这几个近似的方法已被提出。在这里，我们提出了一种高效的精确方法，使这些近似在许多设置中变得不必要。这种方法比广泛使用的精确方法EMMA快n倍，其中n是样本大小，使得精确的全基因组关联分析在计算上适用于大量个体。
Linear mixed models have attracted considerable recent attention as a powerful and effective tool for accounting for population stratification and relatedness in genetic association tests. However, existing methods for exact computation of standard test statistics are computationally impractical for even moderate-sized genome-wide association studies. To deal with this several approximate methods have been proposed. Here, we present an efficient exact method that makes these approximations unnecessary in many settings. This method is roughly n times faster than the widely-used exact method EMMA, where n is the sample size, making exact genome-wide association analysis computationally practical for large numbers of individuals.
登录
查看更多内容
影响因子：
4.5
作者：
Guan, Yongtao;Stephens, Matthew
通讯作者：
Stephens, Matthew
影响因子：
30.8
作者：
Yu, JM;Pressoir, G;Buckler, ES
通讯作者：
Buckler, ES
影响因子：
3.3
作者：
Kang, Hyun Min;Zaitlen, Noah A.;Eskin, Eleazar
通讯作者：
Eskin, Eleazar
影响因子：
4.1
作者：
MEYER, K
通讯作者：
MEYER, K
DOI：
10.1073/pnas.1002425107
发表时间：
2010-09-21
影响因子：
11.1
作者：
Listgarten, Jennifer;Kadie, Carl;Heckerman, David
通讯作者：
Heckerman, David