Tests for covariate‐associated heterogeneity in <i>IBD</i> allele sharing of affected relatives
Notice bibliographique
Résumé
Linkage studies that aim to map susceptibility genes for complex diseases commonly test for excess allele sharing among affected relatives. Conventional methods based on identical-by-descent IBD allele sharing do not allow for possible differences among families, such as arise in the case of locus heterogeneity, and thus have reduced ability to detect linkage in the presence of such heterogeneity. We investigated two approaches to test for heterogeneity in allele sharing, using a family-level covariate that may be associated with different disease mechanisms leading to differences in allele sharing. Likelihood ratio tests for heterogeneity were formulated based on an extension of the linear and exponential likelihood models developed by Kong and Cox. Alternatively, we examined the asymptotic and permutation distributions of T-tests for differences between mean allele-sharing linkage scores from two covariate-defined family subgroups, assuming exchangeability. The size and power of heterogeneity tests were evaluated for S(all) and S(pairs) allele-sharing scoring functions using data sets of families with affected sibling and cousin pairs, generated under a model of locus heterogeneity. In certain simulation scenarios, the likelihood ratio test statistics did not follow the expected asymptotic distributions. The type I error estimates for the T-statistics conformed to nominal 5 and 1% levels in all scenarios considered, and corresponding power was comparable to that of the likelihood ratio tests. Application of these tests for heterogeneity detected significant differences in allele sharing between subgroups of families with inflammatory bowel disease.
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 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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».