Segregation analysis of human pedigrees using estimating equations
基于估计方程的人类家系遗传分离分析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：摘要研究遗传家系的估计方程分析，亲缘依赖不足以构成所列网络与干扰方向的证据。
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…
关注这篇论文的作者
基于估计方程的人类家系遗传分离分析
- 研究问题
- 分析家系内表型聚集与潜在基因的遗传分离时，如何减少对难以检验的条件联合分布假设的依赖，并纳入个体协变量？
- 方法与思路
- 作者沿用经典遗传分离分析框架，以估计方程替代高度参数化的似然方法，允许协变量、基因交互及连续或二元表型。
- 材料陈述的贡献
- 摘要称，方法不要求指定给定潜在基因后的表型联合分布，计算可管理，并提出分析策略及两个相关检验统计量。
- 阅读关注点
- 应核对仍需指定哪些均值、依赖或遗传机制条件，潜在基因怎样进入估计方程，以及两项检验的目标和适用性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；不指定条件联合分布并不意味着无需其他假设，摘要未列出这些条件。
原文摘要
Studies in genetic epidemiology are generally required to collect phenotypes on subjects from human pedigrees that consist of blood relatives and their spouses. One of the main objectives in analyzing pedigree data is to study the segregation of underlying genes that may predispose certain phenotypes and thus cause phenotypic aggregation within pedigrees. Most classical segregation methods are maximum likelihood-based under highly specified distributional assumptions for phenotypes given underlying genes. The assumptions are usually not testable with available data, and their misspecification may affect estimation of and inference about parameters of interest. Following the conceptual framework of the classical segregation methods, this paper introduces an estimating equation-based method that requires no distributional assumption concerning the joint distribution of phenotypes given underlying genes. Moreover, manageable computation allows one to fit a general segregation model with subject-specific covariates and their interactions with underlying genes. The model admits both continuous and binary phenotypes. A strategy for segregation analysis and two relevant test statistics are described.