• 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>Journal of Genomics >Meta-Analysis of Candidate Gene Effects Using Bayesian Parametric and Non-Parametric Approaches
【2h】

Meta-Analysis of Candidate Gene Effects Using Bayesian Parametric and Non-Parametric Approaches

机译：使用贝叶斯参数和非参数方法对候选基因效应进行荟萃分析

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

Candidate gene (CG) approaches provide a strategy for identification and characterization of major genes underlying complex phenotypes such as production traits and susceptibility to diseases, but the conclusions tend to be inconsistent across individual studies. Meta-analysis approaches can deal with these situations, e.g., by pooling effect-size estimates or combining P values from multiple studies. In this paper, we evaluated the performance of two types of statistical models, parametric and non-parametric, for meta-analysis of CG effects using simulated data. Both models estimated a “central” effect size while taking into account heterogeneity over individual studies. The empirical distribution of study-specific CG effects was multi-modal. The parametric model assumed a normal distribution for the study-specific CG effects whereas the non-parametric model relaxed this assumption by posing a more general distribution with a Dirichlet process prior (DPP). Results indicated that the meta-analysis approaches could reduce false positive or false negative rates by pooling strengths from multiple studies, as compared to individual studies. In addition, the non-parametric, DPP model captured the variation of the “data” better than its parametric counterpart.
机译：候选基因（CG）方法为鉴定和表征复杂表型下的主要基因（例如生产性状和疾病易感性）提供了一种策略，但是各个研究的结论往往不一致。荟萃分析方法可以处理这些情况，例如，通过合并效应量估计值或组合来自多个研究的P值。在本文中，我们评估了使用模拟数据对CG效应进行荟萃分析的两种统计模型（参数和非参数）的性能。两种模型都估计了“中心”效应量，同时考虑了各个研究的异质性。研究特定的CG效果的经验分布是多模式的。参数模型假设特定于研究的CG效应呈正态分布，而非参数模型通过使用Dirichlet过程先验（DPP）构成更一般的分布来放宽此假设。结果表明，与单独的研究相比，荟萃分析方法可通过汇集多项研究的优势来减少假阳性或假阴性率。此外，非参数DPP模型比其参数对应模型更好地捕获了“数据”的变化。

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