Tehokkaat ja tilastollisesti pätevät regressiomenetelmät genominlaajuisten assosiaatiotutkimusten suorittamiseen
Notice bibliographique
Résumé
Genome-wide association studies (GWAS) aim to find genetic variants that are associated with a trait, such as height or the presence of a disease. Performing a GWAS is computationally demanding, and efficiency could be improved by utilizing high-performance computing (HPC). In addition, the structure of the genomic and phenotypic data, with properties such as case-control imbalance, population structure, and relatedness complicates the formulation of a valid statistical model and generates a high number of spurious associations. In recent years, many new tools have been developed to address these issues, but there is a lack of comprehensive evaluation of the tools and discussion of how HPC could be leveraged in GWAS. In this thesis, two tools, REGENIE and fastGWA, were compared in terms of their (1) statistical properties and (2) scalability to analyze increasing sample sizes and millions of variants, and their ability to take advantage of parallel processing. In addition, a portable, end-to-end GWAS workflow was developed in an HPC environment. This thesis shows that fastGWA is able to better control for confounding by relatedness and produce better calibrated test statistics for binary traits, while REGENIE has higher statistical power. Both fastGWA and REGENIE are able to make efficient use of parallel computing resources and analyze tens of thousands of individuals and millions of variants in a reasonable amount of time. The developed workflow demonstrates how HPC can be used to efficiently perform large-scale GWAS: An end-to-end GWAS pipeline, including file conversion, pre-processing, association testing and visualization, analyzed 77,053 individuals and over 18 million SNPs in 5.4 hours using 20 CPU cores.
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) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,014 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».