Methods for association analysis and meta-analysis of rare variants in families.
Methods for association analysis and meta-analysis of rare variants in families.
复制标题
DOI：
10.1002/gepi.21892
复制
发表时间：
2015-05
影响因子：
2.1
通讯作者：
Abecasis, Goncalo R.
中科院分区：
文献类型：
--
作者：
Feng, Shuang;Pistis, Giorgio;Zhang, He;Zawistowski, Matthew;Mulas, Antonella;Zoledziewska, Magdalena;Holmen, Oddgeir L.;Busonero, Fabio;Sanna, Serena;Hveem, Kristian;Willer, Cristen;Cucca, Francesco;Liu, Dajiang J.;Abecasis, Goncalo R.
外显子组测序的进步和外显子组基因分型芯片的开发使得探索罕见编码变异和复杂性状之间的关联成为可能。为了确保这些罕见变异分析的有效性，已经提出了各种按基因或功能单元对变异进行分组的关联测试。在这里，我们将这些测试扩展到以家庭为基础的研究。我们开发基于家庭的负担测试、可变频率阈值测试和序列核关联测试（SKAT）。通过模拟，我们比较不同测试的性能。我们描述了这样的情况，即基于家庭的研究比无关个体的研究提供了更大的力量来检测与特征值的中到大变化相关的罕见变异。从广义上讲，我们发现，当样本量有限并且只能识别所有性状相关变异的一小部分时，家庭样本就更强大。最后，我们通过分析来自 HUNT 和 SardiNIA 研究的 11,556 名个体的编码变异和 HDL 之间的关系来说明我们的方法，证明 APOC3、CETP、LIPC、LIPG 和 LPL 基因中编码变异的关联，并说明家族样本、荟萃分析和基因水平测试的价值。我们的方法是用免费的 C++ 代码实现的。
Advances in exome sequencing and the development of exome genotyping arrays are enabling explorations of association between rare coding variants and complex traits. To ensure power for these rare variant analyses, a variety of association tests that group variants by gene or functional unit have been proposed. Here, we extend these tests to family-based studies. We develop family-based burden tests, variable frequency threshold tests and sequence kernel association tests (SKAT). Through simulations we compare the performance of different tests. We describe situations where family-based studies provide greater power than studies of unrelated individuals to detect rare variants associated with moderate to large changes in trait values. Broadly speaking, we find that when sample sizes are limited and only a modest fraction of all trait-associated variants can be identified, family samples are more powerful. Finally, we illustrate our approach by analyzing the relationship between coding variants and HDL in 11,556 individuals from the HUNT and SardiNIA studies, demonstrating association for coding variants in the APOC3, CETP, LIPC, LIPG, and LPL genes and illustrating the value of family samples, meta-analysis and gene-level tests. Our methods are implemented in freely available C++ code.
登录
查看更多内容
影响因子：
30.8
作者：
Holmen OL;Zhang H;Fan Y;Hovelson DH;Schmidt EM;Zhou W;Guo Y;Zhang J;Langhammer A;Løchen ML;Ganesh SK;Vatten L;Skorpen F;Dalen H;Zhang J;Pennathur S;Chen J;Platou C;Mathiesen EB;Wilsgaard T;Njølstad I;Boehnke M;Chen YE;Abecasis GR;Hveem K;Willer CJ
通讯作者：
Willer CJ
影响因子：
5.2
作者：
Ionita-Laza, Iuliana;Lee, Seunggeun;Lin, Xihong
通讯作者：
Lin, Xihong
影响因子：
2.1
作者：
Blangero, J;Williams, JT;Almasy, L
通讯作者：
Almasy, L
影响因子：
9.8
作者：
Chen, Wei-Min;Abecasis, Goncalo R.
通讯作者：
Abecasis, Goncalo R.
影响因子：
9.8
作者：
Abecasis, GR;Cardon, LR;Cookson, WOC
通讯作者：
Cookson, WOC