Causal Models for Investigating Complex Genetic Disease: II. What Causal Models Can Tell Us about Penetrance for Additive, Heterogeneity, and Multiplicative Two-Locus Models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND/AIMS: Statistical geneticists commonly use certain two-locus penetrance models because these models are familiar and mathematically tractable. We investigate whether and under what circumstances these two-locus penetrance models correspond to models of causation. METHODS: We describe a sufficient component cause model for a hypothetical disease with two genetic causes. We then use the potential outcomes framework to determine the expected two-locus penetrances from this causal model and contrast them with commonly used two-locus penetrance models (additive, heterogeneity, and multiplicative penetrance models, as formulated by Risch [Am J Hum Genet 1990;46:222-228]). RESULTS: Conventional additive and multiplicative models can correspond to any two-locus causal model only when certain very specific algebraic relationships hold. The heterogeneity model corresponds to a two-locus causal model only if the model stipulates that no disease cases are caused by the combined presence of the causal genotypes at both loci (i.e. only when there is no causal gene-gene interaction). Hence the heterogeneity model provides a valid test of the null hypothesis of no gene-gene interaction, whereas the additive and multiplicative models do not. CONCLUSION: We suggest that causal principles should provide the basis for statistical modeling in genetics.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle