Covariance-Based Sample Selection for Heterogeneous Data: Applications to Gene Expression and Autism Risk Gene Detection
异质数据中基于协方差的样本选择及自闭症风险基因识别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：摘要针对基因表达协方差与样本筛选，未涉及所列经济学细分领域。
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
异质数据中基于协方差的样本选择及自闭症风险基因识别
- 研究问题
- 脑组织样本的区域与发育时期差异会改变表达协方差时，如何选择更大且更同质的样本集合，改善下游风险基因识别？
- 方法与思路
- 作者提出基于协方差的样本选择方法 COBS，寻找共享总体协方差矩阵的样本子集，再用于 DAWN 风险基因分析。
- 材料陈述的贡献
- 摘要称，以较早冻结版本的遗传风险评分为输入时，COBS 改善了 DAWN 对较新冻结版本所识别风险基因的预测能力。
- 阅读关注点
- 应核对协方差同质性的判定与样本选择规则，以及两次数据冻结之间的评估设计、选择不确定性和预测改进的量化依据。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未提供改进幅度、验证细节或误差控制，不能将特定基因应用推广为普遍预测优势。
原文摘要
Risk for autism can be influenced by genetic mutations in hundreds of genes. Based on findings showing that genes with highly correlated gene expressions are functionally interrelated, "guilt by association" methods such as DAWN have been developed to identify these autism risk genes. Previous research analyze the BrainSpan dataset, which contains gene expression of brain tissues from varying regions and developmental periods. Since the spatiotemporal properties of brain tissue is known to affect the gene expression's covariance, previous research have focused only on a specific subset of samples to avoid the issue of heterogeneity. This analysis leads to a potential loss of power when detecting risk genes. In this article, we develop a new method called COBS (COvariance-Based sample Selection) to find a larger and more homogeneous subset of samples that share the same population covariance matrix for the downstream DAWN analysis. To demonstrate COBS's effectiveness, we use genetic risk scores from two sequential data freezes obtained in 2014 and 2020. We show COBS improves DAWN's ability to predict risk genes detected in the newer data freeze when using the risk scores of the older data freeze as input.