A rapid epistatic mixed-model association analysis by linear retransformations of genomic estimated values.
A rapid epistatic mixed-model association analysis by linear retransformations of genomic estimated values.
复制标题
DOI：
10.1093/bioinformatics/bty017
复制
发表时间：
2018-06-01
期刊：
影响因子：
--
通讯作者：
Liu JF
中科院分区：
文献类型：
--
作者：
Ning C;Wang D;Kang H;Mrode R;Zhou L;Xu S;Liu JF
上位性为探究复杂性状潜在的遗传机制提供了可行的途径。然而，在实践中，耗时的计算挑战了相互作用的成功检测，特别是当使用线性混合模型（LMM）来控制存在种群结构和隐相关性的I型误差时。为了克服计算量的限制，提出了一种快速上位混合模型关联分析方法。该方法首先利用可加性和上位性亲缘关系矩阵的扩展基因组最佳线性无偏预测（EG-BLUP）模型估计个体上位性效应，然后对个体上位性效应进行线性再变换得到两两相互作用效应。仿真研究表明，与现有的基于lmm的FaST-LMM相比，REMMA在检测上位性qtn时能够控制I型误差，提高统计能力。我们将REMMA应用于两个真实数据集，一个小鼠数据集和威康信托病例控制联盟（WTCCC）数据。对鼠标数据的应用进一步证实了REMMA在控制I型误差方面的性能。对于WTCCC数据，我们发现大多数1型糖尿病（T1D）的上位性qtn位于主要组织相容性复合体（MHC）区域，从该区域建立了一个具有12个枢纽基因（与10个或更多基因相互作用）的大型相互作用网络。我们的REMMA方法可以在https://github.com/chaoning/REMMA上自由访问。补充数据可在生物信息学网站获得。
Epistasis provides a feasible way for probing potential genetic mechanism of complex traits. However, time-consuming computation challenges successful detection of interaction in practice, especially when linear mixed model (LMM) is used to control type I error in the presence of population structure and cryptic relatedness. A rapid epistatic mixed-model association analysis (REMMA) method was developed to overcome computational limitation. This method first estimates individuals’ epistatic effects by an extended genomic best linear unbiased prediction (EG-BLUP) model with additive and epistatic kinship matrix, then pairwise interaction effects are obtained by linear retransformations of individuals’ epistatic effects. Simulation studies showed that REMMA could control type I error and increase statistical power in detecting epistatic QTNs in comparison with existing LMM-based FaST-LMM. We applied REMMA to two real datasets, a mouse dataset and the Wellcome Trust Case Control Consortium (WTCCC) data. Application to the mouse data further confirmed the performance of REMMA in controlling type I error. For the WTCCC data, we found most epistatic QTNs for type 1 diabetes (T1D) located in a major histocompatibility complex (MHC) region, from which a large interacting network with 12 hub genes (interacting with ten or more genes) was established. Our REMMA method can be freely accessed at https://github.com/chaoning/REMMA. Supplementary data are available at Bioinformatics online.
登录
查看更多内容
影响因子：
4.5
作者：
Liu X;Huang M;Fan B;Buckler ES;Zhang Z
通讯作者：
Zhang Z
影响因子：
4.6
作者：
Lippert, Christoph;Listgarten, Jennifer;Davidson, Robert I.;Baxter, Scott;Poong, Hoifung;Kadie, Carl M.;Heckerman, David
通讯作者：
Heckerman, David
影响因子：
3.3
作者：
Gianola, Daniel;de los Campos, Gustavo;Fernando, Rohan
通讯作者：
Fernando, Rohan
影响因子：
9.2
作者：
Chang CC;Chow CC;Tellier LC;Vattikuti S;Purcell SM;Lee JJ
通讯作者：
Lee JJ
影响因子：
16.6
作者：
Bloom JS;Kotenko I;Sadhu MJ;Treusch S;Albert FW;Kruglyak L
通讯作者：
Kruglyak L