Gene hunting with hidden Markov model knockoffs
利用隐马尔可夫模型 knockoff 变量寻找关联基因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：摘要研究基因关联中的通用变量选择和错误发现率控制，未涉及所列计量细分对象，也不能将关联筛选直接归为因果推断。
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
利用隐马尔可夫模型 knockoff 变量寻找关联基因
- 研究问题
- 当协变量分布可由隐马尔可夫模型描述时，如何生成用于变量筛选的 knockoff 变量，并在全基因组关联研究中控制错误发现？
- 方法与思路
- 作者将 knockoff 方法扩展到隐马尔可夫协变量分布，提出精确且高效的采样算法，并结合既有筛选框架分析基因关联数据。
- 材料陈述的贡献
- 摘要称，该算法结合既有框架可提供具有错误发现率控制保证的基因关联推断工具，并展示克罗恩病和连续表型数据应用。
- 阅读关注点
- 应核对隐马尔可夫模型的分布要求、参数如何获得、采样精确性的含义，以及错误发现率保证与模型估计误差之间的关系。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；分布误设和参数估计对错误控制的影响未说明，不能推断刊本变化或因果关联。
原文摘要
Modern scientific studies often require the identification of a subset of explanatory variables. Several statistical methods have been developed to automate this task, and the framework of knockoffs has been proposed as a general solution for variable selection under rigorous Type I error control, without relying on strong modelling assumptions. In this paper, we extend the methodology of knockoffs to problems where the distribution of the covariates can be described by a hidden Markov model. We develop an exact and efficient algorithm to sample knockoff variables in this setting and then argue that, combined with the existing selective framework, this provides a natural and powerful tool for inference in genome-wide association studies with guaranteed false discovery rate control. We apply our method to datasets on Crohn's disease and some continuous phenotypes.