[论文解读] A Multivariate Regression Approach to Association Analysis of Quantitative Trait Network

Se Young Kim, Kyung-Ah Sohn+1 more|ArXiv.org|Nov 13, 2008

Genetic and phenotypic traits in livestock参考文献 34被引用 4

一句话总结

本文提出了一种名为图引导融合lasso（GFlasso）的多元回归框架，通过利用性状网络联合分析多个相关定量性状，以提高对与相关性性状子群相关的遗传标记的检测能力。通过将性状的网络结构整合到正则化回归模型中，GFlasso相较于单变量或标准稀疏回归方法，在识别致病SNP方面显著提升了敏感性和特异性。

ABSTRACT

Many complex disease syndromes such as asthma consist of a large number of highly related, rather than independent, clinical phenotypes, raising a new technical challenge in identifying genetic variations associated simultaneously with correlated traits. In this study, we propose a new statistical framework called graph-guided fused lasso (GFlasso) to address this issue in a principled way. Our approach explicitly represents the dependency structure among the quantitative traits as a network, and leverages this trait network to encode structured regularizations in a multivariate regression model over the genotypes and traits, so that the genetic markers that jointly influence subgroups of highly correlated traits can be detected with high sensitivity and specificity. While most of the traditional methods examined each phenotype independently and combined the results afterwards, our approach analyzes all of the traits jointly in a single statistical method, and borrow information across correlated phenotypes to discover the genetic markers that perturbe a subset of correlated triats jointly rather than a single trait. Using simulated datasets based on the HapMap consortium data and an asthma dataset, we compare the performance of our method with the single-marker analysis, and other sparse regression methods such as the ridge regression and the lasso that do not use any structural information in the traits. Our results show that there is a significant advantage in detecting the true causal SNPs when we incorporate the correlation pattern in traits using our proposed methods.

研究动机与目标

• 解决在哮喘等复杂疾病中识别与多个高度相关定量性状相关的遗传标记的挑战。
• 开发一种统计框架，通过利用其相关性结构联合建模所有性状，而非独立分析。
• 通过结构化正则化在相关表型间借用信息，提升检测效能并减少假阳性结果。
• 将性状关系的先验生物学知识（例如来自临床或基因表达网络）整合到多元关联分析中。
• 在存在性状相关性时，优于传统方法（如单标记分析、lasso和岭回归），在识别真正致病SNP方面表现更优。

提出的方法

• 该方法使用带有结构化正则化项的多元回归框架，建模基因型与多个性状之间的关联。
• 引入图引导融合lasso惩罚项，鼓励在预构建性状网络中高度相关的性状之间具有相似的回归系数。
• 通过变量分裂和对偶分解重新表述优化问题，以处理不可微的l1和融合lasso惩罚项，从而利用二次规划（QP）高效求解。
• 采用两步法：首先，对固定的调优参数s1和s2求解QP；其次，通过交叉验证或在验证误差曲面上使用梯度下降法选择最优参数。
• 该框架允许连接性状之间的回归系数差异为正或负，从而能够检测扰动特定相关性性状子群的遗传效应。
• 该方法采用可扩展的优化策略，结合热启动和有限差分梯度近似，以加速调优参数的选择。

实验结果

研究问题

• RQ1 将定量性状之间的相关性结构纳入分析，是否能提升对复杂疾病表型相关遗传标记的检测能力？
• RQ2 利用性状网络结构的多元回归模型是否优于单变量或标准稀疏回归方法，在识别致病SNP方面表现更优？
• RQ3 通过性状网络实现的结构化正则化是否能减少假阳性并提高对弱遗传关联的检测敏感性？
• RQ4 在存在相关性性状的情况下，GFlasso与单标记分析、lasso和岭回归相比，性能如何？
• RQ5 不同调优参数选择策略对方法的准确性和效率有何影响？

主要发现

• 在基于HapMap数据的模拟数据集中，GFlasso在检测真正致病SNP方面显著优于单标记分析、lasso和岭回归。
• 该方法在识别共同影响相关性性状子群的遗传标记方面表现出更高的敏感性和特异性，尤其在性状网络的密集子网络中表现更优。
• 在哮喘数据集中，GFlasso成功识别出单变量分析因边际效应微弱而遗漏的已知且具有生物学合理性的遗传关联。
• 采用梯度下降法进行调优参数选择，相比完整网格搜索显著减少了计算时间，同时仍能收敛至近似最优解。
• GFlasso的交叉验证误差曲面呈现出清晰的形态，有助于调优参数的有效初始化，从而加速收敛。
• 该方法对噪声具有鲁棒性，在致病SNP个体效应微弱但共同作用于相关性性状时仍表现有效。