TY -的A2 Facchiano安吉洛盟——弗里德里希·斯蒂芬妮盟——Manitz Juliane盟——汉堡,帕特丽夏盟——阿莫斯,克里斯托弗。非盟- Risch,安琪拉盟——Chang-Claude詹妮非盟- Wichmann Heinz-Erich AU - Kneib,托马斯•AU - Bickeboller Heike AU - Hofner,本杰明PY - 2017 DA - 2017/07/13 TI - Pathway-Based内核增加分析的全基因组关联研究SP - 6742763六世- 2017 AB -分析的全基因组关联研究(GWAS)受益于生物的调查有意义的基因集,如基因交互作用网络(途径)。我们提出一个扩展成功基于路径分析方法,将内核函数集成到一个强大的算法框架变量选择,同时使调查多个通路。我们采用基因相似性内核从逻辑内核机器测试(LKMT) base-learners增强算法。创建一个模型来解释病例对照状态迭代通过选择途径,提高其预测能力。我们评估我们的方法在模拟研究采用50通路对不同样本大小和遗传效应优势。此外,我们包括内核的一个典型应用提高数据集类风湿性关节炎和肺癌。模拟表明,内核增加优于LKMT在某些基因的场景。应用GWAS风湿性关节炎和肺癌导致数据稀疏的模型是基于通路可判断的临床意义。内核增加高度灵活的被认为是变量和克服了多个测试的问题。此外,它使临床结果的预测。 Thus, kernel boosting constitutes a new, powerful tool in the analysis of GWAS data and towards the understanding of biological processes involved in disease susceptibility. SN - 1748-670X UR - https://doi.org/10.1155/2017/6742763 DO - 10.1155/2017/6742763 JF - Computational and Mathematical Methods in Medicine PB - Hindawi KW - ER -