2024-11-14 BiorRxiv预印本速读【Genomics】

文章预览

本文内容为生成式AI对文章进行总结后得到，版权归原文作者所有。总结内容可靠性无保障，请仔细鉴别并以原文为准。                     Sparse matrix factorization of GWAS summary statistics robust to sample sharing improves detection and interpretation of factors with diverse genetic architectures Omdahl, A. R.; Weinstock, J. S.; et.al., Alexis Battle* Johns Hopkins University https://doi.org/10.1101/2024.11.12.623313 来自约翰霍普金斯大学的研究团队在这篇文章中提出了GLEANR，一种基于稀疏矩阵分解的GWAS总结统计方法。GLEANR能够有效识别具有多样遗传结构的遗传因子，并减少由于样本共享引起的残余混杂。该方法通过考虑样本共享和正则化来估计可解释的因子数量，提高了遗传因子的可重复性。研究通过对137个GWAS进行了评估，识别出58个能够分解输入性状遗传架构的因子，并具有不同的选择压力和复杂 ………………………………