Copy number variation genotyping using family information.
Copy number variation genotyping using family information.
复制标题
DOI：
10.1186/1471-2105-14-157
复制
发表时间：
2013-05-09
影响因子：
3
通讯作者：
Raby BA
中科院分区：
文献类型：
--
作者：
Chu JH;Rogers A;Ionita-Laza I;Darvishi K;Mills RE;Lee C;Raby BA
近年来，拷贝数变异（CNV）在遗传性疾病中的作用越来越受到关注。尽管用于从阵列数据中检测CNVs的技术和统计方法得到了快速发展，但与大多数杂交技术相关的数据质量方面的固有挑战仍然是CNV关联研究中具有挑战性的问题。为了帮助解决这些数据质量问题的背景下，以家庭为基础的关联研究，我们介绍了一个统计框架，基于强度的阵列数据，考虑到家庭信息的拷贝数分配。该方法是用于对假设高斯混合模型的SNP基因型数据建模的传统方法的改编，由此对所有家族成员同时进行CNV调用，并在家族数据内利用以减少与孟德尔遗传不相容的CNV调用，同时仍然允许从头CNV。将这种方法应用于模拟研究和哮喘全基因组关联研究，我们发现我们的方法显着提高了CNV调用的准确性，并降低了孟德尔不一致率和假阳性基因型调用。使用qPCR实验验证结果。总之，我们已经证明，使用家庭信息可以提高CNV调用的质量，并希望提供更强大的关联测试的CNV。
In recent years there has been a growing interest in the role of copy number variations (CNV) in genetic diseases. Though there has been rapid development of technologies and statistical methods devoted to detection in CNVs from array data, the inherent challenges in data quality associated with most hybridization techniques remains a challenging problem in CNV association studies. To help address these data quality issues in the context of family-based association studies, we introduce a statistical framework for the intensity-based array data that takes into account the family information for copy-number assignment. The method is an adaptation of traditional methods for modeling SNP genotype data that assume Gaussian mixture model, whereby CNV calling is performed for all family members simultaneously and leveraging within family-data to reduce CNV calls that are incompatible with Mendelian inheritance while still allowing de-novo CNVs. Applying this method to simulation studies and a genome-wide association study in asthma, we find that our approach significantly improves CNV calls accuracy, and reduces the Mendelian inconsistency rates and false positive genotype calls. The results were validated using qPCR experiments. In conclusion, we have demonstrated that the use of family information can improve the quality of CNV calling and hopefully give more powerful association test of CNVs.
登录
查看更多内容
影响因子：
30.8
作者：
通讯作者：
--
影响因子：
46.9
作者：
通讯作者：
--
ACGH的基因组拷贝数变化的灵活，准确检测。
影响因子：
4.3
作者：
Rueda, Oscar M.;Diaz-Uriarte, Ramon
通讯作者：
Diaz-Uriarte, Ramon
影响因子：
30.8
作者：
Iafrate, AJ;Feuk, L;Lee, C
通讯作者：
Lee, C
影响因子：
56.9
作者：
Bailey, JA;Gu, ZP;Eichler, EE
通讯作者：
Eichler, EE