A frequentist test of proportional colocalization after selecting relevant genetic variants
选择相关遗传变异后的比例共定位频率学检验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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要聚焦遗传共定位与选择后的假设检验，未明确对应所列计量领域细分。
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…
选择相关遗传变异后的比例共定位频率学检验
- 研究问题
- 如何检验两种性状的遗传关联是否成比例，并在筛选相关遗传变异后计入选择不确定性、控制第一类错误？
- 方法与思路
- 作者提出条件比例共定位检验 prop-coloc-cond，仅需遗传关联汇总数据，并通过模拟及 GLP1R 基因表达应用考察。
- 材料陈述的贡献
- 摘要称新检验旨在恢复准确的第一类错误控制，并可在贝叶斯共定位结论不明确或依赖先验时提供补充证据。
- 阅读关注点
- 应核对比例共定位与共享因果变异的关系、选择条件化方式，以及错误控制所需条件和与贝叶斯方法的假设差异。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收未核实；摘要未列出检验条件或错误率结果，不能将共定位直接视为性状间因果关系。
原文摘要
Colocalization analyses assess whether two traits are affected by the same or distinct causal genetic variants in a single gene region. A class of Bayesian colocalization tests are now routinely used in practice; for example, for genetic analyses in drug development pipelines. In this work, we consider an alternative frequentist approach to colocalization testing that examines the proportionality of genetic associations with each trait. The proportional colocalization approach uses markedly different assumptions to Bayesian colocalization tests, and therefore can provide valuable complementary evidence in cases where Bayesian colocalization results are inconclusive or sensitive to priors. We propose a novel conditional test of proportional colocalization, prop-coloc-cond, that aims to account for the uncertainty in variant selection, in order to recover accurate type I error control. The test can be implemented straightforwardly, requiring only summary data on genetic associations. Simulation evidence and an empirical investigation into GLP1R gene expression demonstrates how tests of proportional colocalization can offer important insights in conjunction with Bayesian colocalization tests.