解决错误测量的多变量双项结果中的分散:用于检测二硫酸盐测序数据中的差异甲基化区域的新型统计方法

科学领域:

• 生物统计学 生物统计学
• 基因组学就是基因组学.
• 计算生物学 计算生物学

背景情况:

• 多变量二项回归模型对于分析多个二进制结果至关重要.
• 现有的方法在多变量结果中与相关和非恒定分散作斗争.
• 测量误差和双项外变异使准确的统计推理复杂化.

研究的目的:

• 开发一种新的统计模型,以适应多变量双项回归与相关分散和测量误差.
• 为了使分散模式的灵活建模使用添加和乘法组件.
• 在复杂的生物数据中提供对共同变量效应的准确推断.

主要方法:

• 提出了一个分层的准二项式变化系数混合模型.
• 开发了一种两阶段的预期最大化 (EM) 算法,并添加了一个用于规模参数优化的插件估计.
• 在R生物导体包"SOMNiBUS"中实施了该方法.

主要成果:

• 模拟证实了对平滑的共同变量效应和检测非零效应的高功率的准确推断.
• 在DNA甲基化数据中确定了23个与抗林蛋白抗体 (ACPA) 水平相关的显著基因.
• 在对类风湿关节炎 (RA) 风险的DNA甲基化应用中证明了该模型的有效性.

结论:

• 拟议的模型有效地处理了多变量二项回归中的相关分散和测量误差.
• 该方法成功地确定了与RA病变发生相关的新型遗传关联.
• "SOMNiBUS"包为分析复杂的基因组和表观基因组数据提供了一个有价值的工具.