ネットワーク構造を用いた多重試験のための局所適応アルゴリズムとゲノムワイド関連研究への応用【JST・京大機械翻訳】

Liang Ziyi; Cai T. Tony; Sun Wenguang; Xia Yin

プレプリント

J-GLOBAL ID：202202207278529787 整理番号：22P0308111

ネットワーク構造を用いた多重試験のための局所適応アルゴリズムとゲノムワイド関連研究への応用【JST・京大機械翻訳】

Locally Adaptive Algorithms for Multiple Testing with Network Structure, with Application to Genome-Wide Association Studies

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月22日プレプリントサーバーでの情報更新日： 2023年08月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

連鎖解析は,特に連鎖不均衡(LD)におけるSNPsが疾患表現型に共同に影響することを明らかにしたので,GWAS研究に対する貴重な洞察を提供する。しかし,LDネットワークデータの可能性は,文献においてしばしば見落とされてきた。本論文では,ネットワークデータまたは関連ソースドメインからの補助データの多重サンプルを組み込むための原理的および一般的フレームワークを提供する局所適応構造学習アルゴリズム(LASLA)を提案した。おそらく,異なる次元/構造,および多様な個体群から。LASLAは,データ駆動重みを個々の試験点に割当てる構造的洞察を利用して,p値重み付け手法を採用した。理論解析は,LASLAが,独立または弱い依存一次統計でFDRを漸近的に制御することができ,ネットワークデータが有益であるとき,より高い電力を達成することを示した。LASLAの効率は,様々な合成実験とT2D関連SNP同定への応用を通して例証された。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

分子・遺伝情報処理

, , , , , , ,

前のページに戻る