项目名称: 定量家系关联分析中的稳健有效方法研究

项目编号: No.11201452

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 数理科学和化学

项目作者: 袁敏

作者单位: 中国科学技术大学

项目金额: 22万元

中文摘要: 家系设计是复杂疾病关联分析中重要的研究设计方式之一。与群体病例对照设计相比,家系设计的优势在于能够有效控制群体分层等混杂因素所导致的统计分析的偏差,但该设计下统计检验的功效通常偏低,所以提高检验功效是家系关联分析中的一个关键问题。在基因模型已知的条件下,传递不平衡类型检验(即TDT-type检验)具有最大的检验功效,但在基因模型错误指定时,该类型检验通常有较大的功效损失。本项目研究定量家系关联分析中利用偏离哈代-温伯格平衡的信息来提高检验功效,并构造对基因模型指定稳健的有效检验。当性状数据服从正态分布时,针对核心家系和其它家系设计提出并研究三类基于TDT-type检验的稳健有效检验;当性状分布未知时,研究对基因模型和性状分布双重稳健有效的非参数检验方法。关于定量性状家系数据的稳健有效方法研究,将为基于家系的全基因组关联分析提供有效的统计方法,具有较为广泛的实际应用价值。

中文关键词: 全基因组关联分析;稳健有效检验;贝叶斯因子;哈代温伯格平衡;基因模型

英文摘要: Family-based design is one of the commonly used approaches in genetic association studies. Compared with population-based case-control design, family-based designs can effectively control the bias caused by confoundings such as population stratification, however, power of such designs is usually low comparing with case control designs with the same sample size. Therefore investigation of powerful statistical methods is a key issue in family-based association studies. If the genetic model or mode of inheritance is known, then TDT-type tests(Transmission Disequilibrium Tests)are most powerful in detecting association. However, if the genetic model is misspecified, TDT-type may substantially lose power, i.e., TDT-type tests lack robustness property to the genetic model specification. This study aims at constructing robust-efficient tests for quantitative data analysis in family designs by using the deviation from the Hardy-Weinberg equilibrium. When the trait data is normally distributed and the design is nuclear family or other family-based design, we propose three robust-efficient tests constructed from TDT-type tests and study their properties. When the distribution of the trait is unknown or far away from a normal distribution, we propose double robust-efficient tests based on TDT-type tests and nonparametric m

英文关键词: genome-wide association analysis;robust efficient test;Bayes factor;Hardy-Weinberg equilibrium;genetic model

成为VIP会员查看完整内容
0

相关内容

专知会员服务
117+阅读 · 2021年10月6日
专知会员服务
48+阅读 · 2021年8月29日
专知会员服务
15+阅读 · 2021年8月6日
【经典书】数理统计学,142页pdf
专知会员服务
96+阅读 · 2021年3月25日
【ICML2020】强化学习中基于模型的方法,279页ppt
专知会员服务
45+阅读 · 2020年10月26日
【经典书】概率统计导论第五版,730页pdf
专知会员服务
237+阅读 · 2020年7月28日
有效且稳健的数据增强小样本学习 | 论文荐读
学术头条
6+阅读 · 2022年3月25日
积分梯度:一种归因分析方法
极市平台
1+阅读 · 2022年3月17日
再谈变分自编码器(VAE):估计样本概率密度
PaperWeekly
3+阅读 · 2021年12月23日
数据分析师应该知道的16种回归方法:负二项回归
数萃大数据
74+阅读 · 2018年9月16日
一文读懂贝叶斯分类算法(附学习资源)
大数据文摘
12+阅读 · 2017年12月14日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
19+阅读 · 2020年7月21日
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
Arxiv
110+阅读 · 2020年2月5日
小贴士
相关VIP内容
专知会员服务
117+阅读 · 2021年10月6日
专知会员服务
48+阅读 · 2021年8月29日
专知会员服务
15+阅读 · 2021年8月6日
【经典书】数理统计学,142页pdf
专知会员服务
96+阅读 · 2021年3月25日
【ICML2020】强化学习中基于模型的方法,279页ppt
专知会员服务
45+阅读 · 2020年10月26日
【经典书】概率统计导论第五版,730页pdf
专知会员服务
237+阅读 · 2020年7月28日
相关资讯
有效且稳健的数据增强小样本学习 | 论文荐读
学术头条
6+阅读 · 2022年3月25日
积分梯度:一种归因分析方法
极市平台
1+阅读 · 2022年3月17日
再谈变分自编码器(VAE):估计样本概率密度
PaperWeekly
3+阅读 · 2021年12月23日
数据分析师应该知道的16种回归方法:负二项回归
数萃大数据
74+阅读 · 2018年9月16日
一文读懂贝叶斯分类算法(附学习资源)
大数据文摘
12+阅读 · 2017年12月14日
相关基金
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员