一种可扩展的自适应的二次核方法,用于对复杂特征进行可解释的表征分析
Boyang Fu1, Prateek Anand2, Aakarsh Anand2
1Department of Computer Science, University of California, Los Angeles, Los Angeles, California 90095, USA; boyang1995@ucla.edu sriram@cs.ucla.edu.
我们开发了QuadKAST,这是一个可扩展的算法,用于在大数据集中检测遗传相互作用 (epistasis). 这种方法准确地识别了二次基因效应,为复杂的人类特征提供了新的见解.
科学领域:
- 遗传学 遗传学 是一个
- 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:
- 了解遗传相互作用 (epistasis) 对复杂的人类特征至关重要,但目前的算法缺乏可扩展性和可解释性.
- 现有的基于集合的关联测试可以改善表皮病的检测,但对于大型生物库数据集来说很困难.
研究的目的:
- 介绍QuadKAST,一种可扩展的算法,用于检测遗传变异集中的双对基因相互作用 (二次) 效应.
- 提供检测到的表现效应的量化解释.
主要方法:
- 开发了QuadKAST,这是一个可扩展的算法,用于测试小到中型基因变异集 (窗口大小≤100) 的双重相互作用效应 (二次效应).
- 通过对校准,灵敏度和估计二次效应的准确性进行全面的模拟来验证QuadKAST.
- 将QuadKAST应用于英国生物库数据 (约30万个体),以测试9515个蛋白质编码基因内52个定量表型的二次效应.
主要成果:
- 在模拟中,QuadKAST表现出良好的校准,对表观信号的高灵敏度,以及对二次效应的准确估计.
- 在英国生物库数据中确定了32个显著的特征基因对,跨越17个特征和29个基因,在英国生物库数据中表现出二次效应.
- 由二次效应解释的差异与加法效应相当,一些对的比率更高.
结论:
- 通过QuadKAST,可以对人类复杂特征中的表观症进行大规模,详细的研究.
- 这些发现凸显了表观症在特征变异中的重要作用和重要性.
- 这种方法为复杂的人类表型的遗传结构提供了新的见解.
更多相关视频
06:52Using Cholesky Decomposition to Explore Individual Differences in Longitudinal Relations between Reading Skills
Published on: September 17, 2019
08:27Large-Scale Multi-Omics Genome-Wide Association Studies Mo-GWAS: Guidelines for Sample Preparation and Normalization
Published on: July 27, 2021
相关概念视频
Epistasis Analysis
Epistasis
One-Compartment Open Model: Wagner-Nelson and Loo Riegelman Method for ka Estimation
On...
Polygenic Traits
Heritability
Behavioral Genetics and Its Designs
The primary methodologies used in behavior genetics include family studies, twin studies, and adoption studies, each providing unique...
