基于自适应结合贝叶斯因子法的多元表型的联合分析

在复杂疾病中,"多效性"是一种普遍存在的现象。全基因组关联分析(GWAS)显示,在研究与复杂疾病相关的遗传变异中,对多元表型进行联合分析可以提高统计功效。因此,应该提出一些统计方法来识别多元表型和遗传变异之间的相关性。而在实际中,会有一些与变异无关的表型存在,称之为噪声。为了剔除噪声部分,一些现有的方法会删除具有较大P值的表型,但这并不是最佳的解决办法。本文提出了基于贝叶斯因子的多元表型的联合分析方法(Mul-BF),可用于检测多元表型与遗传变异之间的关联性,其中贝叶斯因子(BF)是备择假设下的数据概率与原假设下的数据概率之比。大量的模拟研究结果显示,Mul-BF方法可以很好地控制第一类错误率,在大多数情况下,本文方法是优于其他方法的,并且通过GAW 19真实数据评估了Mul-BF方法的功效。