Évaluation de l’imputation des données génétiques Canadiennes-Françaises
Bibliographic record
Abstract
L'imputation est désormais un outil essentiel dans l'analyse des études d'association à l'échelle du génome, permettant l'estimation de génotypes à des positions variables du génome non génotypées, via des inférences statistiques à partir d'haplotypes contenus dans un panel de référence utilisé pour l'imputation, soit une bibliothèque d’haplotype séquencés phasés en haplotypes. Les données génétiques imputés servent aux études d’associations sur les traits et maladies complexes. La population fondatrice canadienne-française est une population très utile dans les études d'association génétique en raison de sa diversité unique d'haplotypes et de l'excès de variantes rares. Ici, nous décrivons les défis qui accompagnent l'imputation de cette population fondatrice, qui n'est pas représentée dans les panels de référence disponibles, ainsi que la stratégie optimale pour imputer des ensembles de données génotypés hétérogènes, provenant de plusieurs plateformes de génotypage. Nous avons caractérisé l'imputation de 29,356 individus génotypés sur plusieurs puces de génotypage de la province du Québec constituant la cohorte CARTaGENE (CaG). Nous avons établi que le panel de référence le plus récent et le plus diversifié Trans-Omics for Precision Medecine (TOPMed) a surpassé le panel de référence Haplotype Reference Consortium (HRC) dans l'ensemble de données canadienne-française de CaG. Nous avons évalué la précision de l'imputation avec le un score de qualité (R2) fréquemment utilisé, ainsi que l’exactitude calculée en fonction des génotypes aux variants observés par séquençage, disponibles dans CARTaGENE pour un sous-groupe d’individus. Nous avons déterminé que la stratégie optimale pour augmenter la qualité d'imputation sur des ensembles de données hétérogènes a été atteinte en fusionnant chaque sous-ensemble de données après les avoir imputés individuellement. Ce résultat ouvre la voie à l’intégration de cohortes génotypées hétérogènes dans les études d’associations. Nos résultats soulignent également les défis que représente une population fondatrice pour l'imputation, en comparant la qualité de l'imputation de CaG avec d'autres sous-cohortes canadiennes du projet CanPath, soit l’Ontario, l’Alberta, la Colombie-Britannique et les provinces atlantiques. Ces résultats mettent en évidence l'impact de l’absence de diversité haplotypique spécifique dans les panels de référence sur l'imputation d'une population européenne fondatrice récente, démontrant l'importance de la représentativité de la population étudiée dans ces panels.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.028 | 0.055 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".