...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Genomics >Robust identification of gene-environment interactions for prognosis using a quantile partial correlation approach
【24h】

Robust identification of gene-environment interactions for prognosis using a quantile partial correlation approach

机译：使用量子部分相关方法对基因环境相互作用的鲁棒鉴定

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Gene-environment (G-E) interactions have important implications for the etiology and progression of many complex diseases. Compared to continuous markers and categorical disease status, prognosis has been less investigated, with the additional challenges brought by the unique characteristics of survival outcomes. Most of the existing G-E interaction approaches for prognosis data share the limitation that they cannot accommodate long-tailed or contaminated outcomes. In this study, for prognosis data, we develop a robust G-E interaction identification approach using the censored quantile partial correlation (CQPCorr) technique. The proposed approach is built on the quantile regression technique (and hence has a solid statistical basis), uses weights to easily accommodate censoring, and adopts partial correlation to identify important interactions while properly controlling for the main genetic and environmental effects. In simulation, it outperforms multiple competitors with more accurate identification. In the analysis of TCGA data on lung cancer and melanoma, biologically sensible findings different from using the alternatives are made.
机译：基因环境（G-E）相互作用对许多复杂疾病的病因和进展具有重要意义。与连续标志物和分类疾病状态相比，预后较少调查，具有额外的挑战，以求生存结果的独特特征带来。预后数据的大多数现有的G-E相互作用方法分享了它们无法容纳长尾或受污染的结果的限制。在本研究中，对于预后数据，我们使用截取的分位式部分相关（CQPCORR）技术开发了一种强大的G-E交互识别方法。所提出的方法是基于量子回归技术构建的（因此具有固体统计基础），使用权重容易容纳审查，并采用部分相关性以确定适当控制主要遗传和环境影响的重要相互作用。在仿真中，它优于多个竞争对手，以更准确的识别。在分析肺癌和黑色素瘤的TCGA数据中，制备了不同使用替代品的生物学性明智的发现。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

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