[论文解读] Polygenic Modeling with Bayesian Sparse Linear Mixed Models

Xiang Zhou, Peter Carbonetto+1 more|arXiv (Cornell University)|Sep 6, 2012

Genetic and phenotypic traits in livestock被引用 30

一句话总结

该论文提出了一种贝叶斯稀疏线性混合模型（BSLMM），统一了线性混合模型（LMMs）与稀疏回归，实现了对多基因结构的自适应建模。通过结合两种方法的优势，利用数据驱动的超参数估计和一种新颖的MCMC算法，BSLMM在表型预测中显著提升了预测准确性，并在多种遗传结构下提供了稳健的芯片遗传力估计。

ABSTRACT

Both linear mixed models (LMMs) and sparse regression models are widely used in genetics applications, including, recently, polygenic modeling in genome-wide association studies. These two approaches make very different assumptions, so are expected to perform well in different situations. However, in practice, for a given data set one typically does not know which assumptions will be more accurate. Motivated by this, we consider a hybrid of the two, which we refer to as a "Bayesian sparse linear mixed model" (BSLMM) that includes both these models as special cases. We address several key computational and statistical issues that arise when applying BSLMM, including appropriate prior specification for the hyper-parameters, and a novel Markov chain Monte Carlo algorithm for posterior inference. We apply BSLMM and compare it with other methods for two polygenic modeling applications: estimating the proportion of variance in phenotypes explained (PVE) by available genotypes, and phenotype (or breeding value) prediction. For PVE estimation, we demonstrate that BSLMM combines the advantages of both standard LMMs and sparse regression modeling. For phenotype prediction it considerably outperforms either of the other two methods, as well as several other large-scale regression methods previously suggested for this problem. Software implementing our method is freely available from http://stephenslab.uchicago.edu/software.html

研究动机与目标

• 为解决在真实遗传结构未知时，选择LMMs与稀疏回归模型之间的挑战。
• 开发一种统一模型，结合LMMs（适用于多基因结构）与稀疏回归（适用于少数致病变异）的优势。
• 通过推导合适的超参数先验分布并从数据中估计它们，确保可靠推断。
• 设计一种高效的MCMC算法，避免人为近似，并可扩展至包含数千名个体和数十万SNP的大规模数据集。
• 在两个关键应用中评估BSLMM的性能：估计表型中由基因型解释的方差比例（PVE）与表型预测。

提出的方法

• 提出一种贝叶斯稀疏线性混合模型（BSLMM），其包含LMM和贝叶斯变量选择回归（BVSR）作为特例。
• 采用分层先验结构，对SNP效应大小使用混合先验，以允许同时存在小的多基因效应和少数大效应。
• 采用一种新颖的MCMC算法，利用最近的线性代数技巧，高效计算LMM中高维高斯积分。
• 使用非信息性或弱信息性先验从数据中估计超参数（如方差成分、稀疏参数），以确保自适应性。
• 将模型应用于模拟数据和真实数据集（WTCCC、异源性近交小鼠品系）进行对比评估。
• 使用均方预测误差（RMSE）、相关系数、AUC和Brier评分等预测性能指标，与LMM、BVSR及其他大规模回归方法进行基准比较。

实验结果

研究问题

• RQ1 是否一种统一模型，结合LMMs与稀疏回归，能在估计基因型解释表型方差比例方面优于单独使用任一方法？
• RQ2 BSLMM框架能否从数据中自适应地学习潜在遗传结构（如致病变异的数量与大小）？
• RQ3 在不同遗传结构下，BSLMM在表型预测方面相较于LMM、BVSR及其他大规模回归方法的表现如何？
• RQ4 所提出的MCMC算法能否高效处理包含数千名个体和数十万SNP的大规模遗传数据？
• RQ5 基于数据的超参数估计是否相比固定超参数值能带来更稳健、更准确的推断？

主要发现

• 在中等/小效应SNP的模拟场景中，BSLMM在表型预测方面显著优于LMM和BVSR，平均相对预测增益（RPG）达到1.24。
• 在WTCCC数据集中，BSLMM在七种疾病中的AUC值为0.60–0.88，其中1型糖尿病的AUC最高达0.88，优于LMM和BVSR。
• 在异源性近交小鼠数据集中，BSLMM在六组数据划分中的平均RMSE为0.70–0.99，性能始终优于LMM和BVSR。
• 在PVE估计方面，BSLMM提供的估计值比LMM或BVSR更准确、更稳定，尤其当真实遗传结构既非完全多基因也非完全稀疏时。
• 对于1型糖尿病，BSLMM的Brier评分为0.139 ± 0.006，显著低于其他模型，表明其在二元性状预测中表现更优。
• 新颖的MCMC算法实现了在大规模数据上的可靠推断，避免了以往类似模型实现中常见的启发式近似。