Kiểm tra sự liên kết của nhiều biến gen bằng phương pháp gộp và phương pháp kernel với dữ liệu có cấu trúc gia đình hoặc dân số

Genetic Epidemiology - Tập 37 Số 5 - Trang 409-418 - 2013
Daniel J. Schaid1, Shannon K. McDonnell1, Jason P. Sinnwell1, Stephen N. Thibodeau2
1Department of Health Sciences Research, Division of Biomedical Statistics and Informatics, Mayo Clinic, Rochester, Minnesota
2Department of Laboratory Medicine and Pathology, Mayo Clinic, Rochester, Minnesota

Tóm tắt

TÓM TẮT

Việc tìm kiếm các biến thể gen hiếm có liên quan đến các bệnh phức tạp có thể được hỗ trợ bằng cách làm giàu cho những người mang biến thể hiếm bằng cách lấy mẫu các trường hợp từ gia phả có bệnh, có thể có nhóm đối chứng liên quan hoặc không liên quan. Tuy nhiên, chiến lược này làm phức tạp các phân tích do nguồn gốc di truyền chia sẻ cũng như sự liên kết không cân bằng giữa các dấu hiệu di truyền. Để khắc phục những vấn đề này, chúng tôi đã phát triển các loại chỉ số "gánh nặng" và chỉ số kernel rộng rãi, mở rộng các phương pháp thường được sử dụng cho dữ liệu trường hợp - đối chứng không có liên quan để cho phép các mối quan hệ gia phả đã biết, cho các nhiễm sắc thể thường và nhiễm sắc thể X. Hơn nữa, bằng cách thay thế ma trận tương quan di truyền dựa trên gia phả bằng những ước lượng về các mối quan hệ di truyền dựa trên dữ liệu gen quy mô lớn, các phương pháp của chúng tôi có thể được sử dụng để tính đến dữ liệu có cấu trúc dân số. Qua các mô phỏng, chúng tôi cho thấy rằng tỷ lệ sai số loại I của các phương pháp đã phát triển gần đạt đến mức danh nghĩa tiệm cận, cho phép tính toán nhanh chóng các giá trị P. Các mô phỏng của chúng tôi cũng cho thấy rằng một thống kê kernel có trọng số tuyến tính thường mạnh hơn một thống kê "gánh nặng" có trọng số. Vì các thống kê đề xuất có tính toán nhanh, chúng có thể được sử dụng dễ dàng cho việc sàng lọc quy mô lớn về mối liên quan giữa dữ liệu chuỗi gen với trạng thái bệnh.

Từ khóa

#biến thể gen hiếm #bệnh phức tạp #phương pháp gộp #phương pháp kernel #dữ liệu gia phả #thống kê gánh nặng

Tài liệu tham khảo

10.1146/annurev-genet-102209-163421

10.1158/0008-5472.CAN-07-5733

10.1038/nrg2867

Barnett IJ, 2012, Detecting rare variant effects using extreme phenotype sampling in sequencing association studies, Genet Epidemiol, 37, 145

10.1002/gepi.20609

10.1038/ng.f.136

10.1093/biomet/82.1.81

10.1002/gepi.21703

10.1093/biostatistics/kxn007

10.1126/science.1099870

10.1371/journal.pbio.1000294

10.1086/339517

10.1161/CIRCGENETICS.109.912345

10.1371/journal.pone.0013584

10.1371/journal.pgen.1001289

10.1086/519748

10.1038/ejhg.2012.308

10.1086/302808

10.1016/j.ajhg.2007.10.010

10.1016/j.ajhg.2012.06.007

10.1093/biostatistics/kxs014

10.1016/j.ajhg.2008.06.024

Li C., 1976, First Course in Population Genetics

10.1016/j.ajhg.2011.07.015

10.1080/01621459.1996.10476971

10.1371/journal.pgen.1001156

10.1016/j.csda.2008.11.025

10.1371/journal.pgen.1000384

10.1016/j.mrfmmm.2006.09.003

10.1371/journal.pgen.1001322

10.2307/2532781

OzbekU. Statistics for X‐chromosome association;2012; InProceedings of the 62nd Annual Meeting of The American Society of Human Genetics; Program #22.San Francisco CA.

10.1002/gepi.20586

10.1016/j.ajhg.2010.04.005

10.1086/321272

10.1086/519795

10.1159/000022918

10.1101/gr.3709305

10.1159/000312641

10.1159/000312643

10.1002/gepi.20460

10.1002/gepi.21676

10.1159/000067666

10.1534/genetics.110.125070

10.1101/gr.9.3.234

10.1016/j.ajhg.2010.01.001

10.1002/gepi.21638

10.1038/ng1582

10.1038/nrg1960

10.1214/10-AOAS338

10.1016/j.ajhg.2011.05.029

10.1016/j.ajhg.2010.11.011

10.1016/j.ajhg.2010.10.012