美国Regeneron遗传学中心Jonathan Marchini团队开发出高效实现全基因组回归的分析。近日，《自然—遗传学》在线发表了这一成果。
研究人员提出了一种称为REGENIE的新型机器学习方法，可用于拟合定量和二元表型的全基因组回归模型。该模型比多特征分析中的替代方法快得多，同时保持了统计效率。该方法可以适应多种表型的平行分析，并且与将基因组范围的矩阵加载到内存中的现有方法相比，只需要将基因型矩阵的局部片段加载到内存中即可。这样可以节省大量的计算时间和内存使用量。
对于不平衡的病例对照表型，研究人员引入了一种快速的近似Firth logistic回归检验。该方法非常适合利用分布式计算框架。研究人员使用多达407746名个体的UK Biobank数据集证明了这种方法的准确性和计算优势。
据了解，具有数千个表型队列的全基因组关联分析在计算上是昂贵的，尤其是在考虑样本相关性或群体结构时。
营业执照公示信息