Gene-Based Testing of Interactions Using XGBoost in Genome-Wide Association Studies.
Gene-Based Testing of Interactions Using XGBoost in Genome-Wide Association Studies.
复制标题
DOI：
10.3389/fcell.2021.801113
复制
发表时间：
2021
影响因子：
5.5
通讯作者：
Xu L
中科院分区：
文献类型：
--
作者：
Guo Y;Wu C;Yuan Z;Wang Y;Liang Z;Wang Y;Zhang Y;Xu L
在定性全基因组关联研究领域中识别基因-基因相互作用的无数统计方法中，基于基因的相互作用不仅在统计学上是强大的，而且它们在生物学上是可解释的。然而，他们通过假设性状和单核苷酸多态性之间的关联来限制统计检测。因此，本文提出了一种基于基因的方法（GGInt-XGBoost）起源于XGBoost。假设疾病性状的对数优势比满足加性关系，如果这对基因没有相互作用，则具有和不具有加性约束的XGBoost模型之间的误差差异可以指示基因-基因相互作用;然后，我们使用基于排列的统计检验来评估这种差异，并提供统计p值来表示相互作用的显著性。仿真和真实的数据的实验结果表明，我们的方法具有上级性能比以前的实验，以检测基因-基因相互作用。
Among the myriad of statistical methods that identify gene–gene interactions in the realm of qualitative genome-wide association studies, gene-based interactions are not only powerful statistically, but also they are interpretable biologically. However, they have limited statistical detection by making assumptions on the association between traits and single nucleotide polymorphisms. Thus, a gene-based method (GGInt-XGBoost) originated from XGBoost is proposed in this article. Assuming that log odds ratio of disease traits satisfies the additive relationship if the pair of genes had no interactions, the difference in error between the XGBoost model with and without additive constraint could indicate gene–gene interaction; we then used a permutation-based statistical test to assess this difference and to provide a statistical p-value to represent the significance of the interaction. Experimental results on both simulation and real data showed that our approach had superior performance than previous experiments to detect gene–gene interactions.
登录
查看更多内容
DOI：
10.1038/nrg2579
发表时间：
2009-06
期刊：
Nature reviews. Genetics
影响因子：
--
作者：
Cordell HJ
通讯作者：
Cordell HJ
影响因子：
14.9
作者：
Buniello, Annalisa;MacArthur, Jacqueline A. L.;Parkinson, Helen
通讯作者：
Parkinson, Helen
影响因子：
16.6
作者：
Fang, Gang;Wang, Wen;Myers, Chad L.
通讯作者：
Myers, Chad L.
影响因子：
5.8
作者：
Emily, Mathieu;Sounac, Nicolas;Houee-Bigot, Magalie
通讯作者：
Houee-Bigot, Magalie
DOI：
10.1038/ejhg.2013.69
发表时间：
2014-01
期刊：
European journal of human genetics : EJHG
影响因子：
--
作者：
通讯作者：
--