在生物银行规模上使用定量回归来发现生物标志物的全基因组发现
Chen Wang1,2, Tianying Wang3, Krzysztof Kiryluk2
1Department of Biostatistics, Columbia University, New York, NY, USA.
Nature communications
|July 31, 2024
概括
量子回归为传统的全基因组关联研究 (GWAS) 提供了一个强大的替代方案,用于分析复杂的特征. 这种方法揭示了影响特定子组的遗传变异,为基因型-表型关系提供了更深入的见解.
科学领域:
- 遗传学 是一个遗传学.
- 统计遗传学 统计遗传学
- 生物信息学是一种生物信息学.
背景情况:
- 全基因组关联研究 (GWAS) 传统上用于定量特征的线性回归.
- 线性回归模型仅仅是表型的条件平均值,可能缺少复杂的基因型-表型关系.
研究的目的:
- 为GWAS引入和评估量子回归作为线性回归的替代方案.
- 证明量子回归在识别具有异质效应的变异在表型分布上的优势.
主要方法:
- 应用量子回归来分析整个表型的条件分布.
- 模拟以评估各种遗传模型下的量子回归功率.
- 来自英国生物库的39个定量特征的分析,使用定量回归.
主要成果:
- 量子位回归有效地识别了具有异质效应的基因变异,在表型量子位上具有异质效应.
- 这种方法容纳了多样化的表型分布,并且对特征转换不变.
- 英国生物库的数据显示,高风险子组中具有实质性影响的变体,被传统的GWAS遗漏.
结论:
- 量子回归是GWAS中线性回归的有价值的补充.
- 它提供了对基因型-表型关联的更全面的理解,特别是对于复杂的特征.
- 这种方法可以揭示与特定高风险亚群相关的遗传见解.


