Funmap:集成高维的功能注释来改进精细映射
Yuekai Li1, Jiashun Xiao2, Jingsi Ming3
1Department of Biostatistics, City University of Hong Kong, Hong Kong, China.
Bioinformatics (Oxford, England)
|January 12, 2025
概括
精细映射方法在许多注释中扎,导致错误的阳性. 我们的新方法Funmap有效地集成了高维的功能注释,以提高精细映射能力,并控制复杂特征的错误发现率.
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:
- 精细映射使用全基因组关联研究 (GWAS) 数据优先考虑复杂特征中的因果变异.
- 功能性注释增强了精细映射能力,但现有的方法通常会在大型数据集中产生错误的阳性结果.
研究的目的:
- 开发一种统一的方法 (Funmap),用于将高维的功能注释集成到精细映射中.
- 为了提高精细映射功率,同时保持可控的假阳性率.
主要方法:
- Funmap集成了数百个功能注释,使用随机效应模型将注释与因果概率联系起来.
- 一个快速的算法允许可扩展的整合多个注释,以优先考虑多个因果单核酸多态 (SNP).
主要成果:
- 模拟显示Funmap控制高维注释下的虚假发现率,与其他方法不同.
- Funmap 实现了与现有方法相比可比或更好的功率增益.
- 将其应用于4个脂质GWAS数据集,其中有187个注释,显示出更高的复制率 (15.5%-26.2%的改善).
结论:
- Funmap提供了一种强大且精确校准的方法,用于使用广泛的功能注释精制复杂的特征.
- 该方法增强了变异优先级,并提高了独立队列中的复制率.


