Summary
Detta papper visar användning av guldmynt standardmetoden i Behavioral genetik, Cholesky nedbrytnings metod, för att uppskatta unika, överlappande genetiska och miljömässiga influenser på olika variabler för att besvara longitudinellt motiverad forskning Frågor.
Abstract
Den Cholesky sönderdelnings metoden är den guldmynt standard som används inom området beteendemässig genetik. Metoden är populär eftersom det är lätt att programmera och lösa. Med den här metoden kan forskarna utforska individuella skillnader i longitudinella relationer mellan olika variabler över flera tidpunkter. Metoden gör det möjligt för utredarna att bryta ned variansen i (1) unika genetiska, delade och icke-delade miljöeffekter som uppkommer vid specifika tidpunkter samt 2) överlappande genetiska, delade och icke-delade miljöeffekter som överförs från en tidspunkt till en annan. Metoden identifierar dock inte mekanismerna eller ursprunget bakom dessa effekter. Den aktuella rapporten fokuserar på tillämpningen av Cholesky nedbrytnings metod inom utbildningsområdet psykologi. Specifikt diskuterar det enskilda skillnader i longitudinella relationer mellan dagis brev kunskap, dagis fonologiska medvetenhet, första klass ord-nivå läsförmåga, och sjunde klass läsförståelse.
Introduction
Att bli en skicklig läsare med förmågan att flytande läsa och förstå text är viktigt för barnens skolresultat. För att förhindra utvecklingen av Läs problem, är det viktigt att förstå i vilken utsträckning olika läsförmåga förutsäga läsförståelse. Befintlig forskning har visat att pre-läsning och ord-nivå läsförmåga i grundskolan longitudinellt förutsäga läsförståelse i Middle School1,2. Individuella skillnader i dessa förutsägelser pekar främst på underliggande genetiska (och i viss mån miljö) faktorer från dagis upp till årskurs fyra3,4. Det finns dock ett behov av att undersöka om dessa samma genetiska och miljömässiga faktorer fortsätter att påverka dessa förutsägelser upp till mellanstadiet betyg.
En metod för att få en bättre förståelse för enskilda skillnader som ligger till grund för associationerna mellan elementära och mellersta läskunnighet använder beteendemässig genetisk metodik, särskilt Cholesky nedbrytnings metod. Den Cholesky sönderdelnings metoden anses vara en av de guldmynt standardanalyser i beteendemässig genetik. Denna metod är lätt att programmera och lösa och möjliggör nedbrytning av varians och kovarians i (A) genetiska, (C) delad miljö, och (E) icke-delad miljöpåverkan, vanligtvis i ett urval av tvillingar. Ett exempel på en univariat (en variabel) Kolesky-nedbrytning anges i figur 1. Den A latent faktorn hänvisar till genetiska effekter, som är genetiska influenser ärvda från föräldrar. C latent faktor avser gemensamma miljöeffekter, som är aspekter av miljön som tjänar till att göra tvillingar mer lika, såsom hem-och skolmiljöer. Slutligen, den E latent faktorn hänvisar till icke-delade miljöeffekter, som är miljöpåverkan som är unika för varje tvilling och bidra till skillnader mellan tvillingar, såsom varje egen erfarenhet. E-faktorn fångar också mätfel.
Figur 1: nedbrytning till (a) genetisk, (C) delad miljö, och (E) icke-delad miljöpåverkan. Vänligen klicka här för att se en större version av denna siffra.
Faktorerna A, C och E i figur 1 uppskattar i vilken utsträckning gener och miljöer påverkar en (Läs-) variabel. Fortfarande, för att undersöka enskilda skillnader underliggande longitudinella associationer mellan mer än en läsning skicklighet från elementära till mellanstadiet, är longitudinell analys nödvändig. För att besvara longitudinellt motiverade forskningsfrågor används en multivariat Kolesky sönderdelnings metod här5. Begreppsmässigt, multivariat Cholesky nedbrytnings metod liknar hierarkisk multipel regression, så att oberoende bidrag av genetiska och miljömässiga faktorer bedöms efter bidrag från tidigare faktorer har tagits i Konto.
Till exempel i en multivariat Kolesky-nedbrytning med longitudinella data vid fyra tidpunkter (se figur 2), den första uppsättningen faktorer [genetiska (a1), delad miljö (C1), och icke-delad miljö (E1)] bidrar till variansen för alla variabler, representerade som stigar a11, a21, a31, a41,c 11, c21,..., e11, etc., från en1, c1, e1 faktorer till varje variabel . Den andra uppsättningen faktorer (A2, C2, E2) bidrar till variansen för den andra och efterföljande variabler efter kontroll för första gången punkt. Den andra uppsättningen faktorer representeras som stigar a22, a32, a42, c22, c32,..., e22, etc. Därefter uppskattas påverkan av den tredje uppsättningen faktorer (A3, C3, E3) för tredje och fjärde variablerna efter kontroll för de två föregående tids punkterna. De representeras som stigar a33, a43, c33, c43, e33, e43. Slutligen mäts påverkan av den fjärde uppsättningen faktorer (A4, C4, E4) för den sista tidspunkten efter kontroll för alla tidigare tidpunkter. De representeras som banor a44, c44, e44.
Figur 2: multivariat Kolesky sönderdelnings modell för fyra tidspunkter. Vänligen klicka här för att se en större version av denna siffra.
I denna longitudinella tillämpning av multivariat Cholesky nedbrytnings metod uppskattas genetiska och miljömässiga influenser vid varje tidpunkt efter att effekterna av tidigare tidpunkter har kontrollerats. Som sådan, denna metod tillåter bestämning av i vilken utsträckning unika genetiska och miljömässiga influenser kommer online vid varje enskild tidpunkt, oberoende av influenser från tidigare tidpunkter (dessa effekter uppskattas av stigar en11, en 22, a33, a44, c11 , c22,..., e11, e22, etc.). Dessutom gör metoden det också möjligt att undersöka i vilken grad samma (överlappande) genetiska och miljömässiga påverkan delas mellan olika tidpunkter. Med andra ord kan man fastställa i vilken utsträckning genetiska och miljömässiga influenser överförs från en tidpunkt till en annan (dvs. dessa effekter uppskattas av stigar a21, a31, a41, a32, a42, a 43, c21, c31,..., e21, etc.). Det bör noteras att stigar a11, c11och e11 representerar alla möjliga genetiska och miljömässiga influenser fram till och med första gången punkt, som kan vara antingen unik eller överlappande med tidigare tidpunkter. Tidspunkter före första gången uppskattas dock inte. Därför kan det inte bestämmas exakt om de representerar unika eller överlappande influenser. För förenklings ändamål ingår de som unika influenser i den aktuella rapporten.
Ordningen på de uppmätta variablerna trädde i en Kolesky nedbrytning är godtycklig. Beställningen styrs dock vanligtvis av ett teoretiskt perspektiv. Detta är också fallet i den aktuella studien, där ordern baserades på utvecklingen av läsförmåga, så att läsa färdigheter i grundskolan är prediktiva för läsförståelse i mellanstadiet.
Det finns flera rapporter i litteraturen undersöker genetiska och miljömässiga faktorer som underliggande longitudinella sammanslutningar av läsförmåga utnyttjar Cholesky nedbrytnings metod. Dessa tidigare studier fokuserade främst på att utreda relationerna mellan läskunnighet bland elementära schoolers6,7. Det finns bara en publicerad studie undersöker individuella skillnader i samband med läsning från elementära betyg i mellanstadiet betyg med hjälp av multivariat Cholesky nedbrytnings metod8. Detta protokoll specificerar multivariat Cholesky sönderdelnings metod från den specifika rapporten för att undersöka enskilda skillnader i longitudinella relationer mellan dagis brev kunskap, dagis fonologiska medvetenhet, första klass ord-nivå läsförmåga och sjugradig läsförståelse.
Studieresultaten fokuserar på att använda multivariat Cholesky nedbrytnings metod för att skilja mellan två typer av genetiska och miljömässiga influenser. För det första är det visat hur man uppskattar genetiska och miljömässiga influenser som bär över (överlappning) från elementära till mellersta skolan läsning (t. ex., uppskattning vägar en43, c43, och e43, som är genetiska och miljömässiga influenser på läskunskaper på ordnivå från första klass som påverkar läsförståelse i sjunde klass). För det andra är det visat hur man uppskattar unika genetiska och miljömässiga influenser som kommer online på varje viss sort (t. ex. uppskatta stigar a33, c33, och e33, som är unika genetiska och miljömässiga influenser på Läs färdigheter på ordnivå som uppstår i första klass).
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Stegen nedan beskriver hur man uppskattar individuella skillnader som ligger till grund för longitudinella associationer mellan elementära och mellersta läskunnighet i (A) genetiska, (C) delad miljö, och (E) icke-delade miljöfaktorer med hjälp av en statistisk modellering program, ordbehandlare och programvara med ett grafiskt användargränssnitt (GUI). Denna studie har godkänts av den institutionella Granskningsnämnden vid Florida State University.
1. förbereda data för det statistiska modellerings programmet
- Förbered data i ett format som kan läsas av den statistiska modelleringsprogram val. Populära statistiska modelleringsprogram inkluderar MX, OpenMx i plattformen R och MPlus9. MX kan läsa datafiler i. VL eller. dat-dataformat, OpenMx i valfritt dataformat och mplus i ett. dat-dataformat. Exemplet som visas här körs i programmet MPlus9.
Obs: en exempeldatafil i ett. dat-format för sex slumpmässigt utvalda deltagare finns i kompletterande filer. Variabler som används i en exempeldatafil återspeglar variabler som används i kodningsfilen för indata.
2. läsa data i det statistiska modellerings programmet, köra manuset och uppskatta effekterna
- Öppna programmet för statistisk modellering.
- Lokalisera den relevant datan arkivera till vara läsa in i statistisk modellering program vid maskinskrivning "arkivera är [sätta in läge av din datan arkivera på din computern]".
- Klicka på ikonen Kör på bandet av den statistiska modelleringsprogram för att få uppskattningar för genetiska, delade miljömässiga, och icke-delade miljöpåverkan från multivariat cholesky nedbrytnings metod. Det kommenterade indatatscriptet för multivariat Cholesky-sönderdelnings modellen för fyra tidspunkter samt dess utdata med MPlus finns i kompletterande kodningsfiler.
- När det statistiska modellerings programmet genererar uppskattningar för genetiska, delade miljömässiga och icke-delade miljöpåverkan, lokalisera uppskattningarna i utdatafilen under STX11 för Path a11, STX21 för Path a21, ..., sty11 för Path c11, sty21 för Path c21,..., STZ11 för Path e11, STZ21 för Path e21, etc.
3. skapa en tabell med genererade uppskattningar
- Öppna ordbehandlaren.
- Kopiera de genererade uppskattningarna till en tabell i en ordbehandlare. Tabellen kan skapas i ett format som anges i figur 3. I det här fallet har till exempel uppskattningarna för banorna a11, a21, a31och a41 värden på 0,60, 0,24, 0,63 och 0,18.
Figur 3: multivariat Cholesky nedbrytnings modellering standardiserad väg uppskattningar av genetiska och miljömässiga influenser. Vänligen klicka här för att se en större version av denna siffra.
4. plottning genetiska, gemensamma miljömässiga, och icke-delade miljöpåverkan
- Öppna programvaran med ett GUI.
- Ange uppskattningarna från den skapade tabellen i cellerna F3-F16, G4-G16, H5-H16 och i6-I16. En skärmdump från programvaran med ett GUI avbildas i figur 4.
Figur 4: Ange uppskattningar i programvaran med ett GUI. Vänligen klicka här för att se en större version av denna siffra.
- Beräkna variansen för genetiska, delade miljömässiga och icke-delade miljöpåverkan genom att kvadraterna i cellerna F3-F16, G4-G16, H5-H16 och i6-I16. Skriv kvadratvärdena i cellerna J3-J16, K4-K16, L5-L16 och M6-M16.
- Beräkna procent avvikelsen genom att multiplicera värdena i cellerna J3-J16, K4-K16, L5-L16 och M6-M16 med 100. Ange procentvärdena i cellerna N3-N16, O4-O16, P5-P16 och F6-Q16. Steg 4,3 och 4,4 avbildas i figur 5.
Figur 5: illustration av steg 4,3 och 4,4. Vänligen klicka här för att se en större version av denna siffra.
- Beräkna i vilken utsträckning genetiska influenser bära över (överlappning) från elementära till Middle School.
- Skriv "0" i cell R3.
- I cell R4 skriver du "= N4". Detta är i vilken utsträckning genetiska influenser från första gången punkt föra över till andra gången punkt. I detta fall, det indikerar genetiska influenser från brev namn flyt i dagis transporterar över till fonem segmentering flyt i dagis.
- I cell R5 skriver du "= N5 + O5". Detta är den grad som genetiska influenser från de två första tids punkterna föra över till tredje gången punkt. I detta fall, det indikerar genetiska influenser från brev namn flyt i dagis och fonem segmentering flyt på dagis transporterar över till ord-nivå läsförmåga i grad 1.
- I cell R6 skriver du "= N6 + O6 + P6". Detta är i vilken utsträckning genetiska influenser från de tre första tids punkterna bär över till den fjärde tidspunkten. I detta fall, det indikerar genetiska influenser från brev namn flyt i dagis, fonem segmentering flyt i dagis, och ord-nivå läsförmåga i grad 1 redovisade till läsförståelse i årskurs 7.
- Beräkna i vilken utsträckning delade miljömässiga och icke-delade miljöpåverkan föra över (överlappning) från elementära till mellanstadiet mycket som i steg 4,5.
- Beräkna i vilken utsträckning unika genetiska, delade miljömässiga och icke-delade miljöfaktorer kommer online vid varje enskild tidpunkt (dvs. grad).
- Kopiera procenttalen från cellerna N3, O4, P5 och F6 till cellerna S3, S4, S5 respektive S6 för att få i vilken utsträckning unika genetiska faktorer kommer online vid varje lönegrad.
- Kopiera procentsatserna från cellerna N8, O9, P10 och Q11 till cellerna U3, U4, U5 och U6, för att få i vilken utsträckning unika gemensamma miljöfaktorer kommer online vid varje lönegrad.
- Kopiera procentsatserna från cellerna N13, O14, p15 och Q16 i cellerna w3, W4, W5, och W6, respektive, för att få i vilken utsträckning unika icke-delade miljöfaktorer kommer online vid varje lönegrad.
- För att säkerställa att alla beräkningar är korrekta, bör värdena i cellerna R3-w3, R4-W4, R5-W5 och R6-W6 lägga till upp till 100. Steg 4.5 – 4.7 avbildas i figur 6.
Figur 6: illustration av steg 4,5-4,8. Vänligen klicka här för att se en större version av denna siffra.
- Rita genetiska överlappande samt genetiska unika influenser genom att klicka och dra musen över celler R2-R6 och S2-S6 för att markera data.
- Klicka på Infoga -menyn.
- Klicka på diagram > staplad kolumn.
- Upprepa steg 4.9 – 4.11 för delad miljö-och icke-delad miljö överlappning samt unika influenser. Välj cellerna T2-T6 och U2-U6 att rita gemensamma miljöpåverkan, och välj celler v2-V6 och W2-W6 för icke-delade miljöpåverkan.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Standardiserade uppskattningar för genetiska, delade miljömässiga, och icke-delade miljöpåverkan från multivariat Cholesky nedbrytnings modell avbildas i figur 7. I allmänhet visade resultaten att individuella skillnader i för skolan före behandlingen och första gradens läsförmåga på ord nivå stod för en stor del av variansen för genetisk (40%) samt delad miljö (39%) influenser på sjugradig läsförståelse. Dessutom, resultat hänvisade till en grad av unika källor som spelar in för varje individuell läsning skicklighet vid varje klass.
Figur 7: fullständig multivariat Kolesky sönderdelnings modell med standardiserade väg uppskattningar av genetiska och miljömässiga influenser. Uppmätta variabler avbildas som rektanglar och en latent variabel som en oval. LNF = dagis brev namnge flyt, polyesterstapelfibrer = dagis fonem segmentering flyt, WLRS = första klass ord-nivå läsförmåga, RC = sjunde klass läsförståelse. Vänligen klicka här för att se en större version av denna siffra.
Som framgår av figur 8, verkar det fanns en stor andel av unika genetiska influenser (Mörkgrön) på brev namngivning flyt i dagis (36%), fonem segmentering flyt i dagis (40%), och läsförståelse i sjunde klass (30%). Läsförmåga på ordnivå var däremot i mindre utsträckning förknippad med unika genetiska influenser som uppstår i första klass (20%). Genetiska influenser på ordnivå läsförmåga var mestadels överlappande (ljusgrön) med genetiska influenser på bokstaven namnge flyt och fonem segmentering flyt (40%).
Figur 8: procent av unika och överlappande genetiska influenser på varje läsfärdighet. Vänligen klicka här för att se en större version av denna siffra.
Med fokus på de gemensamma miljöpåverkan (se figur 9), innebar resultaten att överlappande (ljusblå) delad miljö påverkade bokstavs namn flyt och fonem segmentering flyt i dagis (9%). På samma sätt reflekterades överlappande gemensamma miljöeffekter i läsfärdighet på ord nivå i första klass (15%) och läsförståelse i sjunde klass (39%) som också delades med dagis läsförmåga. Unika gemensamma miljöfaktorer (mörkblå) hittades för första klass läsförmåga på ord nivå (15%). Dessa influenser var oberoende av gemensamma miljöpåverkan på dagis.
Figur 9: procent av unika och överlappande gemensamma miljöpåverkan på varje läsfärdighet. Vänligen klicka här för att se en större version av denna siffra.
För de icke-delade miljöpåverkan (se figur 10), resultaten föreslog mycket liten överlappning mellan faktorer (ljusgul). De flesta icke-delade miljöpåverkan indikerade unika influenser (mörkgula) vid varje individuell tidpunkt (dvs. grad).
Figur 10: procent av unika och överlappande icke-delade miljöpåverkan på varje läsfärdighet. Vänligen klicka här för att se en större version av denna siffra.
Den allmänna representationen av genetiska och miljömässiga faktorer som ligger till grund för läsförmåga från elementära till mellanstadiet visas i figur 11. I allmänhet visade det sig att läsförmåga verkar påverkas av både genetiska och miljömässiga faktorer över denna utvecklingsperiod.
Figur 11: total procentandel av genetiska, delade miljömässiga och icke-delade miljöpåverkan på varje läsfärdighet. Vänligen klicka här för att se en större version av denna siffra.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Syftet med denna studie var att demonstrera hur den väletablerade metoden inom beteendegenetik, multivariat Cholesky nedbrytnings metod, effektivt kan användas för att förstå relationerna mellan variabler i tidsmässigt sammanhang. Närmare bestämt tillåter denna metod uppskattning av i vilken utsträckning unika genetiska och miljömässiga influenser uppstår under särskilda tidpunkter (t. ex. skolklass), samt visar överlappningen av genetiska och miljömässiga influenser över många tidpunkter.
Det finns ett kritiskt steg i protokollet, som uppskattar den multivariat cholesky sönderdelnings modellen. Ibland kräver det statistiska modellerings programmets skript justeringar i startvärden baserat på inmatade data. Forskare kan använda olika startvärden, som föreslagits av produktionen av statistiska modellerings programmet, för att möjliggöra smidigare iterationsprocesser för att generera genetiska och miljömässiga uppskattningar.
Ändring av protokollet (dvs. det statistiska modelleringsprogram skriptet) kan behövas om latenta variabler ersätts uppmätta variabler. I mplus definieras en latent variabel med hjälp av en "BY"-sats med två eller flera uppmätta variabler. Till exempel i det här kommenterade indataskriptet definieras variabeln latent för varje tvilling i avsnittet "MODEL:" som "FLU0 av nneworf0 * nnewnwf0 (3-4);" för den första tvillingen i tvillingparet, och "FLU1 av nneworf1 * nnewnwf1 (3-4);" för den andra tvillingen i tvillingparet. En annan ändring avser den grafiska representationen av resultaten. Resultaten kan ritas med hjälp av alternativa tekniker, till exempel cirkeldiagram. Staplade kolonner användes här eftersom detta är den typiska visualiseringstekniken inom beteendegenetik.
Det finns begränsningar för multivariat Kolesky nedbrytnings metod. Den multivariat Kolesky nedbrytning är den gyllene standard analys i beteende genetik om det finns intresse av att utforska enskilda skillnader i longitudinella relationer mellan olika variabler vid olika tidpunkter. Om det i stället finns intresse av att testa utvecklingsstyrda frågor som syftar till att utforska individuella skillnader i utvecklingen av en (samma) variabel över flera tidpunkter, kan en simplex-modell (avbildad i figur 12) användas. I simplex-modellen, en1, C1och E1 faktorer närvarande vid tiden 1 kvarstår delvis fram till tid 2 (Regressions banor från en1 till en2, en2 till en3,..., c1 till c2,..., etc.), vid vilken tidpunkt nya faktorer kan komma in (residualerna, märkta "res." i figur 12).
Multivariat Cholesky-sönderdelnings modellen och simplex-modellen ger exakt samma varians-kovariansmatris om det finns två tidspunkter, men eventuella ytterligare tidspunkter skiljer de två modellerna åt. Med mer än två tidspunkter, en Kolesky sönderdelnings metod ger uppskattningar mellan alla tidspunkter. Detta kan resultera i en uppskattning av relationer som inte är så utvecklingsbara meningsfulla (t. ex. genetiska och miljömässiga influenser från grad 1 på årskurs 7). Simplex-modellen uppskattar å andra sidan relationer som är relevanta för utveckling (t. ex. genetiska och miljömässiga influenser från grad 1 till grad 2, grad 2 till grad 3 osv.). Det sistnämnda mönstret återspeglar barnens naturliga bana genom skolan, där de går från en årskurs till en ny. En mer grundlig beskrivning av simplex-modellen har beskrivits10.
Figur 12: simplex-modellen. Vänligen klicka här för att se en större version av denna siffra.
En ytterligare begränsning av multivariat Kolesky nedbrytnings metod är att även om det möjliggör kvantifiering av genetiska och miljömässiga influenser, det identifierar inte dem. Det kan därför inte fastställas specifikt vilka gener som påverkar de egenskaper som mäts med de variabler som används i analysen. På samma sätt kan det bara bli Försurat vilka specifika miljöer som bidragit till de gemensamma miljömässiga eller icke-delade miljöpåverkan. I den aktuella studien fanns det några empiriska belägg för vilka potentiella specifika miljöer som kan ha varit på spel. Till exempel, klassrums läsning miljö i grundskolan har visat sig ha longitudinella effekter på läsförståelse i Middle School (studieresultat bygger på denna rapport)11. Ytterligare framsteg måste dock förlita sig på ytterligare analyser för att identifiera andra miljöer.
Trots dessa begränsningar är Cholesky nedbrytnings metod en populär metod för longitudinella, multivariat, beteendemässiga genetiska forskningsfrågor. Tekniken är enkel att programmera och lösa. Det erbjuder ett unikt perspektiv i att bryta ned genetiska och miljömässiga relationer mellan tidspunkter, och därmed kvantifiera influenser som är tidsspecifika samtidigt som de skiljer dem från influenser som överlappar över flera tidspunkter.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Författarna har inget att avslöja.
Acknowledgments
Denna forskning stöddes delvis av ett bidrag från det nationella institutet för barns hälsa och mänsklig utveckling (P50 HD052120). Åsikter som uttrycks häri är författarnas och har varken granskats eller godkänts av de beviljande organen.
Materials
| Name | Company | Catalog Number | Comments |
| Microsoft Office Excel | Microsoft | ||
| Microsoft Office Powerpoint | Microsoft | ||
| Microsoft Office Visio | Microsoft | ||
| Microsoft Office Word | Microsoft | ||
| Mplus Statistical Program | Mplus |
References
- Muter, V., Hulme, C., Snowling, M. J., Stevenson, J. Phonemes, rimes, vocabulary and grammatical skills as foundations of early reading development: Evidence from a longitudinal study. Developmental Psychology. 40 (5), 665-681 (2004).
- Schatschneider, C., Fletscher, J. M., Francis, D. J., Carlson, C. D., Foorman, B. R. Kindergarten prediction of reading skills: A longitudinal comparative analysis. Journal of Educational Psychology. 96 (2), 265-282 (2004).
- Byrne, B., et al. Longitudinal twin study of early literacy development: Preschool and kindergarten phases. Scientific Studies of Reading. 9 (3), 219-235 (2005).
- Christopher, M. E., et al. Genetic and environmental etiologies of the longitudinal relations between prereading skills and. Child Development. 86 (2), 342-361 (2015).
- Neale, M. C., Cardon, L. R. Methodology for Genetic Studies of Twins and Families. , Springer Science. Kluwer Academic Publishers B.V. Dordrecht, Netherlands. (1992).
- Byrne, B., et al. Genetic and environmental influences on early literacy. Journal of Research in Reading. 29 (1), 33-49 (2006).
- Byrne, B., et al. Genetic and environmental influences on aspects of literacy and language in early childhood: Continuity and change from preschool to grade 2. Journal of Neurolinguistics. 22 (3), 219-236 (2009).
- Erbeli, F., Hart, S. A., Taylor, J. Longitudinal associations among reading related skills and reading comprehension: A twin study. Child Development. 89 (6), e480-e493 (2018).
- Muthén, L. K., Muthén, B. O. Mplus. The comprehensive modeling program for applied researchers: User’s guide. , Muthén and Muthén. Los Angeles, CA. (2012).
- Hart, S. A., et al. Exploring how nature and nurture affect the development of reading: An analysis of the Florida Twin Project on Reading. Developmental Psychology. 49 (10), 1971-1981 (2013).
- Taylor, J., Roehrig, A. D., Hensler, B. S., Connor, C. M., Schatschneider, C. Teacher quality moderates the genetic effects on early reading. Science. 328 (5977), 512-514 (2010).
