RetroFun‐RVS: A Retrospective Family‐Based Framework for Rare Variant Analysis Incorporating Functional Annotations
Notice bibliographique
Résumé
A large proportion of genetic variations involved in complex diseases are rare and located within noncoding regions, making the interpretation of underlying biological mechanisms a daunting task. Although technical and methodological progress has been made to annotate the genome, current disease-rare-variant association tests incorporating such annotations suffer from two major limitations. First, they are generally restricted to case-control designs of unrelated individuals, which often require tens or hundreds of thousands of individuals to achieve sufficient power. Second, they were not evaluated with region-based annotations needed to interpret the causal regulatory mechanisms. In this work, we propose RetroFun-RVS, a new retrospective family-based score test, incorporating functional annotations. A critical feature of the proposed method is to aggregate genotypes to compare against rare variant-sharing expectations among affected family members. Through extensive simulations, we have demonstrated that RetroFun-RVS integrating networks based on 3D genome contacts as functional annotations reach greater power over the region-wide test, other strategies to include subregions and competing methods. Also, the proposed framework shows robustness to non-informative annotations, maintaining its power when causal variants are spread across regions. Asymptotic p-values are susceptible to Type I error inflation when the number of families with rare variants is small, and a bootstrap procedure is recommended in these instances. Application of RetroFun-RVS is illustrated on whole genome sequence in the Eastern Quebec Schizophrenia and Bipolar Disorder Kindred Study with networks constructed from 3D contacts and epigenetic data on neurons. In summary, the integration of functional annotations corresponding to regions or networks with transcriptional impacts in rare variant tests appears promising to highlight regulatory mechanisms involved in complex diseases.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».