Statistical Modelling of Population-Level Exonic Variant Frequency Data with an Emphasis on Rare Variants
Notice bibliographique
Résumé
Introduction & Objective: Rare variants with allele frequency smaller than 1% are postulated to be associated with disease susceptibility. Since allele frequencies vary globally, the use of population control data that does not match the study population can produce bias. The research question is to identify factors that explain variation in allele frequency across populations. The secondary question is to evaluate the potential bias in using population as control data when studying variants. We use data from gnomAD (Genome Aggregation Database) to answer these questions.
 Methods: We apply each of three model formulations: Linear, Logistic, and Poisson to explain how the frequency or count of variants depends on population subgroup/ancestry, functional annotation, sex, and disease status. We also evaluate interactions between population subgroups and functional annotation.
 Results: For very rare variants (allele frequency < 0.1%), likelihood ratio testing (LRT) provides evidence that allele frequencies vary with functional annotation and population in all three model formulations. By LRT, interactions of population and functional annotation are significant in the Logistic model and the Poisson model. The goodness-of-fit statistics show a better fit in the linear model compared to low frequency variants.
 Conclusion: We observe that population & functional annotation affect variant frequencies, and conclude that detection of differences across populations and annotations is model scale-dependent, especially for different degrees of rareness. Therefore, statisticians need to carefully consider the potential for bias when using gnomAD as control data. Moreover, gnomAD is a great resource for studies dealing with rare variants.
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 | 0,001 | 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 | 0,000 |
| 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 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 ».