Locally-efficient robust estimation of haplotype-disease association in family-based studies
家系研究中单倍型与疾病关联的局部有效稳健估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要涉及遗传家系研究的关联估计与干扰参数处理，未明确建立所列因果或结构计量方向的研究内容。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
家系研究中单倍型与疾病关联的局部有效稳健估计
- 研究问题
- 在单倍型相位不确定的家系研究中，如何减少亲代单倍型频率模型设定错误造成的偏差，并估计单倍型与疾病的关联？
- 方法与思路
- 作者采用含干扰参数估计问题的几何方法，构造对单倍型频率错误估计稳健的局部有效估计量，并用病例—父母设计模拟演示。
- 材料陈述的贡献
- 摘要称，即使基因型信息完整，频率模型误设仍可能造成明显偏差；所提估计量针对这一问题兼顾稳健性与局部有效性。
- 阅读关注点
- 阅读时应核对关联参数、家系抽样与相位处理方式、稳健性的具体范围，以及局部有效性成立的模型和模拟误设设置。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，稳健与效率条件未展开；疾病关联不等于因果效应，模拟示例也不足以确立普遍优势。
原文摘要
Modelling human genetic variation is critical to understanding the genetic basis of complex disease. The Human Genome Project has discovered millions of binary DNA sequence variants, called single nucleotide polymorphisms, and millions more may exist. As coding for proteins takes place along chromosomes, organisation of polymorphisms along each chromosome, the haplotype phase structure, may prove to be most important in discovering genetic variants associated with disease. As haplotype phase is often uncertain, procedures that model the distribution of parental haplotypes can, if this distribution is misspecified, lead to substantial bias in parameter estimates even when complete genotype information is available. Using a geometric approach to estimation in the presence of nuisance parameters, we address this problem and develop locally-efficient estimators of the effect of haplotypes on disease that are robust to incorrect estimates of haplotype frequencies. The methods are demonstrated with a simulation study of a case-parent design.