• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>BMC Proceedings >Combining least absolute shrinkage and selection operator (LASSO) and principal-components analysis for detection of gene-gene interactions in genome-wide association studies
【2h】

Combining least absolute shrinkage and selection operator (LASSO) and principal-components analysis for detection of gene-gene interactions in genome-wide association studies

机译：结合最小绝对收缩和选择算子（LASSO）和主成分分析在全基因组关联研究中检测基因与基因的相互作用

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Variable selection in genome-wide association studies can be a daunting task and statistically challenging because there are more variables than subjects. We propose an approach that uses principal-component analysis (PCA) and least absolute shrinkage and selection operator (LASSO) to identify gene-gene interaction in genome-wide association studies. A PCA was used to first reduce the dimension of the single-nucleotide polymorphisms (SNPs) within each gene. The interaction of the gene PCA scores were placed into LASSO to determine whether any gene-gene signals exist. We have extended the PCA-LASSO approach using the bootstrap to estimate the standard errors and confidence intervals of the LASSO coefficient estimates. This method was compared to placing the raw SNP values into the LASSO and the logistic model with individual gene-gene interaction. We demonstrated these methods with the Genetic Analysis Workshop 16 rheumatoid arthritis genome-wide association study data and our results identified a few gene-gene signals. Based on our results, the PCA-LASSO method shows promise in identifying gene-gene interactions, and, at this time we suggest using it with other conventional approaches, such as generalized linear models, to narrow down genetic signals.
机译：在全基因组关联研究中，变量选择可能是一项艰巨的任务，并且在统计学上具有挑战性，因为存在比受试者更多的变量。我们提出了一种方法，该方法使用主成分分析（PCA）和最小绝对收缩和选择算子（LASSO）来确定全基因组关联研究中的基因-基因相互作用。使用PCA首先降低每个基因中单核苷酸多态性（SNP）的大小。将基因PCA分数的相互作用放入LASSO中，以确定是否存在任何基因基因信号。我们使用自举扩展了PCA-LASSO方法，以估计标准误差和LASSO系数估计值的置信区间。将该方法与将原始SNP值放入LASSO和具有个别基因-基因相互作用的逻辑模型进行了比较。我们用遗传分析研讨会16类风湿性关节炎全基因组关联研究数据证明了这些方法，我们的结果确定了一些基因基因信号。根据我们的结果，PCA-LASSO方法在鉴定基因与基因的相互作用方面显示出了希望，目前，我们建议将其与其他常规方法（例如广义线性模型）一起使用，以缩小遗传信号的范围。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号