Testing for Gene-Gene Interaction with AMMI Models
Notice bibliographique
Résumé
Studies have shown that many common diseases are influenced by multiple genes and their interactions. There is currently a strong interest in testing for association between combinations of these genes and disease, in particular because genes that affect the risk of disease only in the presence of another genetic variant may not be detected in marginal analysis. In this paper we propose the use of additive main effect and multiplicative interaction (AMMI) models to detect and to quantify gene-gene interaction effects for a quantitative trait. The objective of the present research is to demonstrate the practical advantages of these models to describe complex interaction between two unlinked loci. Although gene-gene interactions have often been defined as a deviance from additive genetic effects, the residual term has generally not been appropriately treated. The AMMI models allow for the analysis of a two way factorial data structure and combine the analysis of variance of the two main genotype effects with a principal component analysis of the residual multiplicative interaction. The AMMI models for gene-gene interaction presented here allow for the testing of non additivity between the two loci, and also describe how their interaction structure fits the existing non-additivity. Moreover, these models can be used to identify the specific two genotypes combinations that contribute to the significant gene-gene interaction. We describe the use of the biplot to display the structure of the interaction and evaluate the performance of the AMMI and the special cases of the AMMI previously described by Tukey and Mandel with simulated data sets. Our simulated study showed that the AMMI model is as powerful as general linear models when the interaction is not modeled in the presence of marginal effects. However, in the presence of pure epitasis, i.e. in the absence of marginal effects, the AMMI method was not found to be superior to other tested regression methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,047 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».