Copyright © 第九届全国计算生物与生物信息学大会
Powered by 徐州医科大学
一种针对复杂通路因果推断的贝叶斯网络孟德尔随机方法
报告开始：5月13日 12:50:00 （Asia/Shanghai）
报告时间：10min
所在会议：[E] 墙板报告 [E-1] 张贴墙板报告
摘要
我们提出了基于贝叶斯网络的孟德尔随机化（BNMR），一个使用个体水平数据的贝叶斯因果学习和推理框架。BNMR利用一系列贝叶斯网络结构学习过程组成随机图森林，对候选变体进行优先排序并选择适当的工具变量，通过施加收缩先验得到对多态性稳健的贝叶斯估计。模拟展示了BNMR在工具变量选择和因果效应估计上的优越性。利用UK Biobank的真实数据，BNMR揭示出红细胞相关指数对血压具有明显的因果作用，以及淋巴细胞是精神分裂症的潜在治疗靶点。
报告人
孙健乐
上海交通大学孙健乐，上海交通大学生物信息学与生物统计学系研究生，研究方向为统计遗传学和组学数据中的因果推断，特别是贝叶斯方法的应用。目前以第一作者或第二作者身份在PLOS Computational Biology，Briefings in Bioinformatics等生物信息学主流刊物上发表过相关研究论文。