TRIO RVEMVS:一种贝叶斯的框架,用于罕见变异关联分析,使用家族三组数据对期望最大化变量进行选择
Duo Yu1, Matthew Koslovsky2, Margaret C Steiner3
1Division of Biostatistics, Data Science Institute, Medical College of Wisconsin, Milwaukee, Wisconsin, United States of America.
这项研究引入了TRIO_RVEMVS,这是一种使用家族三组数据检测与复杂疾病相关的常见和罕见遗传变异的新方法. 它在识别与 orofacial 裂等疾病相关的个别罕见变异方面表现有前途.
科学领域:
- 遗传学 是一个遗传学.
- 统计遗传学 统计遗传学
- 计算生物学 计算生物学
背景情况:
- 稀有变种越来越多地被认为是它们在复杂疾病中的作用.
- 单个罕见变异关联测试由于低等位基因频率而具有挑战性.
- 现有的方法往往难以在个体变异水平上检测关联.
研究的目的:
- 开发和评估一种新的方法,TRIO_RVEMVS,用于同时检测常见和罕见的变异.
- 评估TRIO_RVEMVS在个别变种和区域级别的性能.
- 将该方法应用于现实世界的数据,以识别与疾病相关的变异.
主要方法:
- 为家族三组数据开发了一个期望最大化变量选择 (EMVS) 方法.
- 模拟大 (1500个家庭) 和小 (350个家庭) 数据集来测试TRIO_RVEMVS.
- 通过使用各种分析方法,比较了TRIO_RVEMVS与PedGene和RV-TDT的性能.
主要成果:
- 当包括常见变体时,TRIO_RVEMVS在区域层面上表现优于现有方法.
- 在罕见变异分析方面,TRIO_RVEMVS表现与PedGene具有竞争力,并且表现优于RV-TDT.
- 在模拟中,TRIO_RVEMVS在单个罕见变异中实现了12.20-13.10%的真实阳性率和0.74-1.30%的虚假阳性率.
- 应用到Kids First数据中,TRIO_RVEMVS确定了与面腔裂相关的3种罕见变异.
结论:
- TRIO_RVEMVS是一种有效的方法,用于在个人层面上检测常见和罕见的变异,使用家族三元组.
- 该方法比现有方法表现得更好,特别是在罕见变异关联方面.
- 在现实数据集中,TRIO_RVEMVS成功地确定了 orofacial 裂的潜在风险变体.
更多相关视频
09:34Targeted Next-generation Sequencing and Bioinformatics Pipeline to Evaluate Genetic Determinants of Constitutional Disease
Published on: April 4, 2018
11:35Screening for Functional Non-coding Genetic Variants Using Electrophoretic Mobility Shift Assay EMSA and DNA-affinity Precipitation Assay DAPA
Published on: August 21, 2016
相关概念视频
Genome-wide Association Studies-GWAS
GWAS does not require the identification of the target gene involved in...
Single Nucleotide Polymorphisms-SNPs
RACE - Rapid Amplification of cDNA Ends
Genetic Variation
Genes exist in different versions called alleles,...
Pedigree Analysis
Genomics
