Genome-wide genetic heterogeneity discovery with categorical covariates.
Genome-wide genetic heterogeneity discovery with categorical covariates.
复制标题
DOI：
10.1093/bioinformatics/btx071
复制
发表时间：
2017-06-15
期刊：
影响因子：
--
通讯作者：
Borgwardt K
中科院分区：
文献类型：
--
作者：
Llinares-López F;Papaxanthos L;Bodenham D;Roqueiro D;COPDGene Investigators;Borgwardt K
遗传异质性是指不同的遗传变异可能产生相同的表型。快速自动区间搜索（Fast Automatic Interval Search， FAIS）算法能够以任意连续变异序列的形式在全基因组范围内搜索遗传异质性候选区域，具有较高的计算效率和统计能力。尽管FAIS可以测试与表型相关的所有可能的基因组区域，但一个关键的限制是它无法纠正混杂因素，如性别或人口结构，这可能导致许多假阳性关联。我们提出FastCMH，一种通过适当考虑分类混杂因素来克服这一问题的方法，同时仍然保持统计能力和计算效率。在模拟数据以及人类和拟南芥样本上比较FastCMH与FAIS和多种负荷试验的实验表明，FastCMH可以显著减少基因组膨胀，并发现标准负荷试验遗漏的关联。一个R包fastcmh可以在CRAN上找到，源代码可以在：https://www.bsse.ethz.ch/mlcb/research/bioinformatics-and-computational-biology/fastcmh.html上找到补充数据可以在Bioinformatics在线上找到。
Genetic heterogeneity is the phenomenon that distinct genetic variants may give rise to the same phenotype. The recently introduced algorithm Fast Automatic Interval Search (FAIS) enables the genome-wide search of candidate regions for genetic heterogeneity in the form of any contiguous sequence of variants, and achieves high computational efficiency and statistical power. Although FAIS can test all possible genomic regions for association with a phenotype, a key limitation is its inability to correct for confounders such as gender or population structure, which may lead to numerous false-positive associations. We propose FastCMH, a method that overcomes this problem by properly accounting for categorical confounders, while still retaining statistical power and computational efficiency. Experiments comparing FastCMH with FAIS and multiple kinds of burden tests on simulated data, as well as on human and Arabidopsis samples, demonstrate that FastCMH can drastically reduce genomic inflation and discover associations that are missed by standard burden tests. An R package fastcmh is available on CRAN and the source code can be found at: https://www.bsse.ethz.ch/mlcb/research/bioinformatics-and-computational-biology/fastcmh.html Supplementary data are available at Bioinformatics online.
登录
查看更多内容
影响因子：
1.6
作者：
Pearson, Karl
通讯作者：
Pearson, Karl
影响因子：
--
作者：
Fisher, RA
通讯作者：
Fisher, RA
影响因子：
3.7
作者：
Schmid K;Yang Z
通讯作者：
Yang Z
DOI：
10.1093/bioinformatics/btv263
发表时间：
2015-06-15
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Llinares-López F;Grimm DG;Bodenham DA;Gieraths U;Sugiyama M;Rowan B;Borgwardt K
通讯作者：
Borgwardt K
影响因子：
30.8
作者：
通讯作者：
--