Identification of gene-environment interactions with marginal penalization.

تحديد التفاعلات بين الجينات والبيئة باستخدام الجزاء الحدي.

Clicks: 314
ID: 65826
2019
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Emerging

Ranked #11 of 39 articles by views in genetic epidemiology

Most read Least read

Bar heights use a square-root scale.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
Gene-environment (G-E) interaction analysis has been extensively conducted for complex diseases. In marginal analysis, the common practice is to conduct likelihood-based (and other "standard") estimation with each marginal model, and then select significant G-E interactions and main effects based on p values and multiple comparisons adjustment. One limitation of this approach is that the identification results often do not respect the "main effects, interactions" hierarchy, which has been stressed in recent G-E interaction analyses. There is some recent effort tackling this problem, however, with very complex formulations. Another limitation of the common practice is that it may not perform well when regularization is needed, for example, because of "non-normal" distributions. In this article, we propose a marginal penalization approach which adopts a novel penalty to directly tackle the aforementioned problems. The proposed approach has a framework more coherent with that of the recently developed joint analysis methods and an intuitive formulation, and can be effectively realized. In simulation, it outperforms the popular significance-based analysis and simple penalization-based alternatives. Promising findings are made in the analysis of a single-nucleotide polymorphism and a gene expression data.
أُجري تحليل التفاعل بين الجينات والبيئة (G-E) على نطاق واسع في دراسة الأمراض المعقدة. وفي التحليل الهامشي، تتمثل الممارسة الشائعة في إجراء تقدير قائم على دالة الإمكان (وغيره من التقديرات "المعيارية") لكل نموذج هامشي، ثم تحديد التفاعلات الجينية-البيئية والآثار الرئيسية ذات الدلالة الإحصائية استناداً إلى القيم الاحتمالية (p-values) وضبط المقارنات المتعددة. ومن مآخذ هذا النهج أن نتائج التحديد غالباً ما لا تراعي التدرج الهرمي لـ "الآثار الرئيسية والتفاعلات"، وهو مبدأ جرى التأكيد عليه في التحليلات الحديثة للتفاعل بين الجينات والبيئة. ومع وجود بعض المساعي الحديثة لمعالجة هذه المشكلة، إلا أنها اتسمت بصياغات بالغة التعقيد. كما يبرز وجه قصور آخر في الممارسة الشائعة يتمثل في احتمال تدني كفاءة أدائها عند الحاجة إلى التسوية الإحصائية (regularization)، بسبب التوزيعات "غير الطبيعية" على سبيل المثال. وفي هذا البحث، نقترح نهج جزاء هامشي يعتمد دالة جزاء مبتكرة للتصدي للمشكلات المذكورة آنفاً بصورة مباشرة. ويتميز النهج المقترح بإطار عمل أكثر اتساقاً مع طرائق التحليل المشترك المطوّرة حديثاً، فضلاً عن صياغة بديهية وإمكانية تطبيق فعالة. كما أظهرت نتائج المحاكاة تفوقه على التحليل الشائع القائم على الدلالة الإحصائية وعلى البدائل البسيطة القائمة على أسلوب الجزاء. وأسفر تطبيق هذا النهج عن نتائج واعدة عند تحليل بيانات تعدد أشكال النوكليوتيدات المفردة وبيانات التعبير الجيني.
Reference Key
zhang2019identificationgenetic Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors Zhang, Sanguo;Xue, Yuan;Zhang, Qingzhao;Ma, Chenjin;Wu, Mengyun;Ma, Shuangge;
Journal genetic epidemiology
Year 2019
DOI
10.1002/gepi.22270
URL
Keywords
gene-environment interaction marginal analysis penalization

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.