• 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>Bioinformatics >metaCCA: summary statistics-based multivariate meta-analysis of genome-wide association studies using canonical correlation analysis
【2h】

metaCCA: summary statistics-based multivariate meta-analysis of genome-wide association studies using canonical correlation analysis

机译：metaCCA：基于典范相关性分析的基于汇总统计的全基因组关联研究多元荟萃分析

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

>Motivation: A dominant approach to genetic association studies is to perform univariate tests between genotype-phenotype pairs. However, analyzing related traits together increases statistical power, and certain complex associations become detectable only when several variants are tested jointly. Currently, modest sample sizes of individual cohorts, and restricted availability of individual-level genotype-phenotype data across the cohorts limit conducting multivariate tests.>Results: We introduce metaCCA, a computational framework for summary statistics-based analysis of a single or multiple studies that allows multivariate representation of both genotype and phenotype. It extends the statistical technique of canonical correlation analysis to the setting where original individual-level records are not available, and employs a covariance shrinkage algorithm to achieve robustness.Multivariate meta-analysis of two Finnish studies of nuclear magnetic resonance metabolomics by metaCCA, using standard univariate output from the program SNPTEST, shows an excellent agreement with the pooled individual-level analysis of original data. Motivated by strong multivariate signals in the lipid genes tested, we envision that multivariate association testing using metaCCA has a great potential to provide novel insights from already published summary statistics from high-throughput phenotyping technologies.>Availability and implementation: Code is available at >Contacts: or >Supplementary information: are available at Bioinformatics online.
机译：>动机：遗传关联研究的主要方法是在基因型-表型对之间进行单变量检验。但是，一起分析相关性状可提高统计能力，并且只有在对多个变体进行联合测试时，某些复杂的关联才变得可检测。当前，单个队列的样本量适中，并且各个队列的个体水平基因型-表型数据的可用性受到限制，限制了进行多变量测试。>结果：我们引入metaCCA，这是一种基于摘要统计的分析计算框架单项或多项研究中的一项研究，允许对基因型和表型进行多变量表示。它将规范相关分析的统计技术扩展到原始原始水平记录不可用的环境，并采用协方差收缩算法来实现鲁棒性。通过metaCCA对芬兰两项核磁共振代谢组学研究的多元荟萃分析，使用标准程序SNPTEST的单变量输出显示出与原始数据的汇总个人级分析非常一致。受测试的脂质基因中强大的多变量信号的激励，我们设想使用metaCCA进行多变量关联测试具有巨大潜力，可以从高通量表型技术的已发表摘要统计中提供新颖的见解。>可用性和实现：可以在>联系人：或>补充信息：中找到代码，可以在在线生物信息学中找到。

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