(四)逆正态转换

逆正态转换(inverse normal transformation,INT)

基本介绍

考虑连续性状的遗传关联分析。如果残差分布呈偏态或峰度分布(容易出现异常值),标准线性回归可能无法控制中等样本量的I类错误。当残差分布为非正态分布时,即使样本足够大,标准线性回归也不能提供有效的推理。可能呈现非正态分布的特征包括体质指数、循环代谢物、基因表达、多导睡眠图信号和肺活量测量。在这种情况下,基于秩的逆正态变换(inverse normal transformation,INT)被用来抵消偏离的正态性。

逆正态转换的两种方式

1. qx <- qnorm((rank(x)-0.5)/sum(x))

参考文献:Yang, Jian, et al. "FTO genotype is associated with phenotypic variability of body mass index." Nature 490.7419 (2012): 267.

# ifyou have missing data

qx<-qnorm((rank(x,na.last="keep")-0.5)/sum(!is.na(x))

2. RNOmni Package

RNOmni Package进行INT时,首先将样本测量值映射到概率尺度,用秩分数替换观测值,然后使用probit函数将其转换为z-score。在以下示例中,一个大小为n=1000的样本来自卡方分布。经过变换,测量值的经验分布与标准正态分布没有明显区别。

if(!require(RNOmni)) install.packages("RNOmni")

if(!require(ggpubr)) install.packages("ggpubr")

# Sample from the chi-1 square distribution

y = rchisq(n=1000,df=1);

# Rank-normalize

z = rankNorm(y);

A=data.frame(type=rep(c("original","RankNorm"),each=1000),feature=c(y,z))

ggdensity(A, x="feature", add = "mean", rug = TRUE, color = "type", fill = "type",  palette = c("#00AFBB", "#E7B800"))

(1) 模拟数据

模拟数据产生1000个样本,在连锁平衡中绘制1000个基因座的基因型,其中MAF=0.25。

在模型矩阵X中,包含一个截距项、4个标准正态协变量Z和前4个遗传主成分。截距项设为1,其余回归系数模拟为随机效应。用协变量解释表型变异的比例为20%,主成分解释的变异占5%。模拟了两种具有加性残基的表型:① yn,具有标准正态残差;② yt,有t3残差,按比例得到单位方差。

## Simulated Data

set.seed(100);

# Sample size

n = 1e3;

## Simulate genotypes

G = replicate(rbinom(n,size=2,prob=0.25),n=1e3);

storage.mode(G) = "numeric";

# Genetic principal components

S = svd(scale(G))$u[,1:4]; #矩阵奇异值分解svd

S = scale(S);

# Covariates

Z = scale(matrix(rnorm(n*4),nrow=n));

# Overall design

X = cbind(1,Z,S);

# Coefficient

b = c(1,rnorm(n=4,sd=1/sqrt(15)),rnorm(n=4,sd=1/sqrt(60)));

# Linear predictor

h = as.numeric(X%*%b);

# Normal phenotype

yn = h+rnorm(n);

# T-3 phenotype

yt = h+rt(n,df=3)/sqrt(3);

A=data.frame(type=rep(c("Normal Pheno","T3 pheno"),each=1000),pheno=c(yn,yt))

ggdensity(A, x="pheno", add = "mean", rug = TRUE, color = "type",palette = c("#00AFBB", "#E7B800"))

(2) 数据格式

结局y:数值向量

基因型G:数值矩阵(行为样本,列为基因型)

模型矩阵X:数值矩阵(调整协变量和群体结构,包含一个截距项)

提前扩展factors和交互:model.matrix()

无论在结局向量y还是模型矩阵X中,都不期望出现缺失值,但是基因型矩阵G可能包含缺失值。

只有在基因型缺失的位点,才会将缺失基因型的观察值从关联检验中排除。

(3) 基本的关联检验

基本的关联检验是(未转换)表型对基因型和协变量的线性回归。BAT()提供了一个使用表现型y、基因型G和模型矩阵X的高效实现。标准输出包括分数统计量(score statistic)、它的标准误、z-score和 p值(对G的每一列都可以得到一行相应的统计量)。设置test="Wald"指定一个Wald检验。Wald检验可能提供更多的power,但通常比较慢。设置simple=T只返回p值。

## Basic Association Test

# Basic Association Test, Normal Phenotype

Results_BAT_Yn = BAT(y=yn,G=G,X=X);

round(head(Results_BAT_Yn),digits=3);

# Basic Association Test, T3 Phenotype

Results_BAT_Yt  = BAT(y=yt,G=G,X=X);

round(head(Results_BAT_Yt),digits=3);

(4) 逆正态转换

假设对n个样本中的每一个都观察到一组连续的测量ui,当ui按升序排列时,让rank(ui)表示每个样本的测量ui的秩。基于秩的逆正态转换(INT)定义为:

其中,φ-1,是probit函数;k∈(0,1/2)为可调整的偏移量(adjustable offset)。默认采用,k=3/8的Blom offset。

1) 直接逆正态转换(Direct INT,D-INT)

在D-INT中,INT转化的表型在基因型和协变量上回归。当表型可能是由一个潜在的正态性状的秩保留转换(rank-preserving transformation)而产生时,D-INT是最强大(powerful)的。DINT()使用表型y、基因型G和模型矩阵X实现关联检验。标准输出包括检验统计量、标准误、z-score和 p值(对G的每一列都可以得到一行相应的统计量)。 可用Wald和score检验。设置simple=T只返回p值。

###Direct INT

# Direct INT Test, Normal Phenotype

Results_DINT_Yn = DINT(y=yn,G=G,X=X);

round(head(Results_DINT_Yn),digits=3);

# Direct INT Test, T3 Phenotype

Results_DINT_Yt = DINT(y=yt,G=G,X=X);

round(head(Results_DINT_Yt),digits=3);

2) 间接逆正态转换(indirect INT,I-INT)

在I-INT中,首先,表型和基因型在协变量上回归得到残差。表型残差按秩归一化处理。然后,在基因型残差上对逆正态转化的表型残基进行回归。当表型在协变量上是线性时,I-INT最强大(powerful),但是残差分布呈偏态或峰度分布。IINT()使用表型y、基因型G和模型矩阵X实现关联检验。标准输出包括检验统计量、标准误、z-score和p值。设置simple=T只返回p值。

### Indirect INT

# Indirect INT Test, Normal Phenotype

Results_IINT_Yn = IINT(y=yn,G=G,X=X);

round(head(Results_IINT_Yn),digits=3);

# Indirect INT Test, T3 Phenotype

Results_IINT_Yt = IINT(y=yt,G=G,X=X);

round(head(Results_IINT_Yt),digits=3);

3) 综合逆正态转换(Omnibus INT,O-INT)

由于D-INT和I-INT都不是最强大的(powerful),因此O-INT自适应地将它们组合成一个健壮的、统计上强大的检验。在方法内部,OINT()同时应用D-INT和I-INT,然后选择为关联提供更多证据的检验。具体地说,综合统计量(omnibus statistic)是D-INT和I-INT中p值的最小值。为该统计量分配p值需要估计D-INT和I-INT检验之间的相关性。当考虑多个基因座(loci)时,一种计算效率高的策略是通过对相邻基因座进行平均来估计相关性。如果考虑的位点较少,或者需要对特定位点进行估计,则可以通过bootstrap估计相关性。最后,用户可以手动提供他们自己的相关性估计。

OINT使用表型y、基因型G和模型矩阵X实现了综合检验。标准输出包括由D-INT、I-INT和O-INT分别估计的p值。设置keep.stats=T保留D-INT和I-INT 的Z-statistics。设置keep.rho=T保留D-INT和I-INT之间的估计相关性。

## Omnibus INT

cat("Omnibus Test, Normal Phenotype, Average Correlation Method\n");

Results_OINT_Avg_Yn = OINT(y=yn,G=G,X=X,method="AvgCorr");

round(head(Results_OINT_Avg_Yn),digits=3);

cat("\n");

cat("Omnibus Test, Normal Phenotype, Bootstrap Correlation Method\n");

Results_OINT_Boot_Yn = OINT(y=yn,G=G[,1:10],X=X,method="Bootstrap",B=100);

round(head(Results_OINT_Boot_Yn),digits=3);

cat("\n");

cat("Omnibus Test, T3 Phenotype, Average Correlation Method\n");

Results_OINT_Avg_Yt = OINT(y=yt,G=G,X=X,method="AvgCorr");

round(head(Results_OINT_Avg_Yt),digits=3);

cat("\n");

cat("Omnibus Test, T3 Phenotype, Bootstrap Correlation Method\n");

Results_OINT_Boot_Yt = OINT(y=yt,G=G[,1:10],X=X,method="Bootstrap",keep.rho=T,B=100);

round(head(Results_OINT_Boot_Yt),digits=3);

cat("\n");

cat("Replicate the Omnibus Test on the T3 Phenotype, Manually Specifying Correlation\n");

Results_OINT_Boot_Yt = OINT(y=yt,G=G,X=X,method="Manual",set.rho=Results_OINT_Boot_Yt[,"Corr"],keep.rho=T);

round(head(Results_OINT_Boot_Yt),digits=3);

cat("\n ");

注意:并行计算

所有关联检验都可以并行运行。为此,请注册一个并行后端,

## Parallelization

install.packages("doMC", repos="http://R-Forge.R-project.org")

# register a parallel backend, e.g.

doMC::registerDoMC(cores=4) #then specify the parallel=T option.

?registerDoMC

注:考虑NA的处理方式,是否会对分布造成影响

参考阅读:

https://www.biostars.org/p/312945/

https://cran.r-project.org/web/packages/RNOmni/vignettes/RNOmni.html

(0)

相关推荐

  • GWAS | 原理和流程 | 全基因组关联分析 曼哈顿图 Manhattan_plot | QQ p...

    生物空间站 17篇原创内容公众号名词解释和基本问题:关联分析:就是AS的中文,全称是GWAS.应用基因组中数以百万计的单核苷酸多态:SNP为分子遗传标记,进行全基因组水平上的对照分析或相关性分析,通过 ...

  • 勾漏粤语

    勾漏粤语,即汉藏语系-汉语族-粤语-勾漏片.主要分布在桂.粤交接地区.使用人口大概有1000多万,属于比较大的一个粤方言部分,为广西壮族自治区历史上最早的本土汉语方言.产生于百越族时期并在隋唐时期受汉 ...

  • 丰水文苑︱熊佳乐:实事求是,拒绝正态(期中考试优秀作文展示1)

    一.原题展现 阅读下面的材料,根据要求写作.(60分) 2021年1月13日,某知名大学软件学院的授课教师吴老师向学院提交了<软件需求工程>课程成绩,学院认为成绩不符合"正态分布 ...

  • 二十四山正阴府与傍阴府列成

    李仁贵/文 正阴府山:子午卯酉乾坤艮巽八山 傍阴府山:其余十六山 二十四山正阴府傍阴府列成 一.坎卦三山: 1.壬山傍阴府有两组:夏至后丁壬与冬至后乙庚.日课中如同时出现一组两干丁壬或乙庚全均忌,单干 ...

  • 万能四码之万四十组的转换和逆转换绝密技术

    万能四码之万四十组的转换和逆转换绝密技术 接上贴,上贴发布后,多好朋友都在问如何将开奖号转换成万四十组的问题,我没有一一回复,但是传说兄给出了答案,特别表示感谢,今天这一贴就讲述如何将开奖号码转换成万 ...

  • 金·正隆元宝四笔正大型宫廷赏赐铜花钱包浆大珍

    金·正隆元宝四笔正大型宫廷赏赐铜花钱包浆大珍.

  • 再谈六西格玛工具之过程能力分析(正态),赶紧收藏!

    过程能力指处于稳定状态下的工序实际加工能力.它反映了当过程处于统计控制状态时所表现出来的过程自身性能.CpK,Cp是过程能力指数,反映的是短期能力,要在过程稳态的情况下进行计算:PpK,Pp是最早QS ...

  • 馨月说财经:中国的开放正态稳定了国际投资者信心

    美国的优先主义令其走上了逆全球化路线,这不仅给全球多国制造了麻烦,也给中国制造了很多障碍,但是中国还是坚持了开放正态,这令国际投资者对中国信心稳定. 美国财政部公布数据显示,中国5月所持美债增加109 ...

  • 应用SPSS探索性分析,检验数据的正态性分布

    IBM SPSS Statistics探索性分析提供了数据过滤.离群值识别.假设检验等分析功能.在<应用SPSS探索性分析,快速检查数据异常值>一文中,我们应用探索性分析检查到数据中存在着 ...

  • 正态性——数据分析中的第一误区

    好久没更新博文,今天跟大家聊聊应用统计中一个非常基础,却又非常容易让让人感到困惑与头疼的问题,那就是正态性.(文末附R代码) 正态性的基本概念想必大家都清楚,比如一组数据,如果其频率分布跟下图类似,那 ...

  • 二十四山正五行择日法则

           二十四山用日重要法则 地盘二十四山,分别由八个天干.十二地支加上乾坤艮巽四维组成. 十二地支每支中皆藏有天干,支中所藏天干为人元.十天干为天元,十二地支为地元.要沟通天地,唯靠人元. 山 ...