Inclusion of unaffected sibs increases power in model-free linkage analysis of a behavioral trait
Notice bibliographique
Résumé
Study design strategies are of critical importance in the search for genes underlying complex diseases. Two important design choices in planning gene mapping studies are the analytic strategy to be used, which will have an impact on the type of data to be collected, and the choice of genetic markers. In the present paper, we used the simulated behavioral trait data provided in the Genetic Analysis Workshop 14 to: 1) investigate the usefulness of incorporating unaffected sibs in model-free linkage analysis and, 2) compare linkage results of genome scans using a 7-cM microsatellite map with a 3-cM single nucleotide polymorphisms map. To achieve these aims, we used the maximum-likelihood-binomial method with two different coding approaches. We defined the unaffected sibs as those totally free of phenotypes correlated to the disease. Without prior knowledge of the answers, we were able to correctly localize 2 out of 5 loci (LOD > 3) in a sample of 200 families that included the unaffected sibs but only one locus when based on an affected-only strategy, using either microsatellite or SNPs genome scan. LOD scores were considerably higher using the analytic strategy which incorporated the unaffected sibs. In conclusion, including unaffected sibs in model-free linkage analysis of complex binary traits is helpful, at least when complete parental data are available, whereas there are no striking advantages in using single nucleotide polymorphisms over microsatellite map at marker densities used in the current study.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».