摘要
目的探讨基于多种线性模型并联合meta分析在全基因组关联研究中的应用,为更全面的预测关联基因研究思路提供借鉴。方法以英国生物银行(UK BioBank)数据库中的用力肺活量(forced vital capacity,FVC)和第1秒用力呼气容积(forced expiratory volume in 1 second,FEV_(1))表型为例,分别采用多位点广义线性模型(BLINK)、单位点线性模型(PLINK2)和单位点混合线性模型(BOLT-LMM)进行全基因组关联分析,并对两种单位点模型的汇总数据进行meta分析(METAL)。结果多位点线性模型(BLINK)和meta分析(METAL)在FVC表型中共发现了742个单独的单核苷酸多态性(single nucleotide polymorphism,SNP)标记,较传统的单位点线性模型(PLINK2和BOLT-LMM)多鉴定出BICD1、WWOX和APOE 3个已报道基因,在FEV_(1)表型中共发现了846个单独的SNP标记,较传统的单位点线性模型多鉴定出IL4和APOE 2个已报道基因。结论基于多种线性模型并联合meta分析能有效地识别出更多有意义的关联位点,可以提高预测关联基因的能力。
出处
《中国卫生统计》
CSCD
北大核心
2023年第6期875-879,884,共6页
Chinese Journal of Health Statistics
基金
国家自然科学基金(81803330)
江苏省自然科学基金(BK20180950)。