用高维DNA甲基化数据进行调解分析的方法:可能的选择和比较

科学领域:

• 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
• 统计遗传学 统计遗传学
• 环境健康 环境健康

背景情况:

• DNA甲基化经常被研究为将环境暴露与健康结果联系起来的媒介.
• 目前用于高维介导分析的现有统计方法在表观遗传学研究中尚未得到广泛采用.
• 需要强大的方法来分析复杂的表观遗传调解途径.

研究的目的:

• 为了比较七种统计方法的性能,以进行高维的调解分析,以连续的结果.
• 确定检测活跃调解者和估计全球调解效应的最佳表现方法.
• 为在表观遗传学研究中实施这些方法提供实用指南和R包.

主要方法:

• 进行了模拟研究,以评估各种场景下的方法性能.
• 从一个大型的,多民族的美国队列中分析了现实世界的DNA甲基化数据.
• 他们比较了七种不同的高维介导分析方法,包括BSLMM,HDMA,HILMA和PCMA.

主要成果:

• 贝叶斯稀疏线性混合模型 (BSLMM) 和高维介导分析 (HDMA) 在模拟中检测活性介导体方面表现出卓越的性能.
• 高维线性调解分析 (HILMA) 和主要组件调解分析 (PCMA) 是评估全球调解效应的首选方法.
• 该研究确定了在调解分析的不同方面表现出色的特定方法.

结论:

• 为表观遗传学研究人员提供了指导方针,以根据研究目标选择适当的高维介导分析方法.
• 这些发现有助于在分析DNA甲基化数据时采用先进的统计技术.
• 建议未来的研究方向,用于调解分析的方法发展.