BiGER：利用扩展排名方案的基因组学贝叶斯排序聚合方法

《Nature Communications》：BiGER: Bayesian rank aggregation in genomics with extended ranking schemes

　　

摘要

随着大规模基因组研究的兴起，针对重要疾病的大型基因列表变得越来越普遍。虽然单独评估每项研究可以提供关于特定样本和研究设计的宝贵见解，但文献中大量的可用证据需要一种强大且高效的荟萃分析方法。至关重要的是，不同研究背后的假设和实验方案各不相同，因此需要一种灵活但严谨的汇总方法。为了解决这些问题，我们提出了BiGER，这是一种用于推断潜在全球排名的贝叶斯排名汇总方法。与该领域现有的方法不同，BiGER旨在能够处理包含高排名基因和低排名基因，以及未排名或缺失基因的混合基因列表。通过结合贝叶斯层次框架和变分推断，BiGER能够高效地汇总大规模基因列表，始终达到先进的准确性水平，同时为研究人员提供有关数据来源可靠性的宝贵见解。通过模拟和真实数据集的测试，我们证明了BiGER是基因组研究中进行可靠荟萃分析的有用工具。