跳到正文
热点事件持续更新

协变量校正二值GWAS责任量表转换方法提出

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

Siyi Chen 提出并推导了一种责任量表转换方法,用于解释协变量校正后的二值 GWAS 关联。该研究指出,在疾病 GWAS 中校正可遗传协变量会引入对撞偏倚、产生虚假遗传关联;为在代表连续疾病易感性的易感尺度上解释校正后的关联,需要从 log odds 做恰当转换。 研究在高斯易感模型下针对小遗传效应推导该转换,发现排除经校正协变量通路的直接效应与对撞偏倚成分共享同一转换因子,并刻画了该因子如何随协变量取值间疾病风险变化,推导还扩展到病例对照抽样。模拟中,该转换降低了仅按疾病患病率缩放所带来的效应量膨胀。 作者称,这一结果将现有的对撞偏倚校正与直接易感效应估计联系起来,并澄清了人群与病例对照研究中协变量校正关联的解释。

AI 根据报道生成 · 54 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月30日
  1. PLOS Genetics
    针对协变量校正二值 GWAS 易感尺度分析的条件患病率校正

    在疾病 GWAS 中校正可遗传协变量会引入对撞偏倚,产生虚假遗传关联;为在代表连续疾病易感性的易感尺度上解释校正后的关联,需要从 log odds 做恰当转换。研究在高斯易感模型下针对小遗传效应推导了该转换,发现排除经校正协变量通路的直接效应与对撞偏倚成分共享同一转换因子,并刻画了该因子如何随协变量取值间疾病风险变化而变化,推导还扩展到病例对照抽样。模拟中,该转换降低了仅按疾病患病率缩放所带来的效应量膨胀。结果将现有的对撞偏倚校正与直接易感效应估计联系起来,并澄清了人群与病例对照研究中协变量校正关联的解释。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。