出国看病 多个位点的累积效应建议微调
发布日期：2018-03-04由于大多数候选基因研究的结果是模糊的，这使得目前还不清楚该结果是描绘了常见变异疾病的易感性，还是仅仅是由于在测试样本群，或对照样本群之间偶然存在原始差异造成了模糊。出国看病服务机构爱诺美康介绍到，此外，许多候选基因相关研究报道，并未考虑对多次实验结果进行校正，就直接报告了结果。
有关多次比较的问题，可以使用以下两种方法解决：一是通过对基因/SNP/单倍体数量的检测，运用电脑模拟的Bonfen'om运算来确定其重要性。二是用棑列置换的方法分析涉及单倍体的等位基因变异。出国看病尽管目前候选基因研究，在基因组层面的意义在统计学标准方面还存有一些争议，但这样一个保守的门槛似乎过于严格，特别是在未知的主要基因影响疾病的背景下。
另一个需要识别非复制和一系列假阳性结果的原因，可能涉及系统性基因型错误。出国看病由于样本小所造成的统计功效不足，或是在某些情况下的假阴性结果（n类错误造成假阴性结果的原因可能是对基因-基因相互作用），以及未考虑由于连锁不平衡（LD）所导致的多态性，这对于基因组广泛关联分析（GWAS）同样适用。
出国看病考虑到包括多个位点的累积效应，以及复杂疾病的异质性等方面，强烈建议对未来的候选基因研究方法进行微调。基因组广泛关联分析（GWAS）的研究对象，为大量（通常在300000~1500000个多态性基因之间）遗传变异类型，且其等位基因或基因型的频率，被用于评估组间差异（例如，疾病组与非疾病组）。
GWAS的优点是，它是对疾病相关遗传变异的一个广泛搜索，而不必指定感兴趣的特定基因。然而，由于所参与的统计学检验方法多种多样，发生I类错误的风险较大。因此，出国看病后，对多个假设检验进行统计学修正是必要的，为判断GWAS结果具有显著差异的统计学指标。正因为如此，出国看病对于GWAS，更需要大样本以确保充分的统计学功效，以便进行P值较小的相关性分析。
