基因组范围关联研究中的迭代硬阈值模型选择
摘要：基因组关联研究(GWAS)将标记变异与个体特征变异相关联。研究对象在全基因组范围内进行多个SNP（单核苷酸多态性）的基因分型。我们假设研究对象无关，并随机收集，并且特征值服从正态分布或经过正态化转换。在过去的十年里，研究人员在数百个特征上成功应用了GWAS分析。这些研究产生了大量数据，带来了独特的计算挑战。带有LASSO或MCP惩罚的惩罚回归能够从数百万个潜在SNP中选择出一小部分相关SNP。不幸的是，模型选择可能会被假阳性和假阴性所影响，从而使特征的遗传基础变得模糊。本文将迭代硬阈值(IHT)算法引入连续性特征的GWAS分析中。我们的并行实现适应SNP基因型压缩，并利用多个CPU核心和图形处理单元(GPU)。这让统计遗传学家能够利用普通台式机进行GWAS分析，避免使用超级计算机。我们评估了IHT在模拟和真实的GWAS数据上的性能，并得出结论：相较于惩罚回归，在计算时间上减少了假阳性和假阴性的比例。源代码可在https://github.com/klkeys/IHT.jl免费获取。
作者：Kevin L. Keys, Gary K. Chen and Kenneth Lange
论文ID：1608.01398
分类：Machine Learning
分类简称：stat.ML
提交时间：2019-01-14