Methods for investigating gene-environment interactions in candidate pathway and genome-wide association studies.
Methods for investigating gene-environment interactions in candidate pathway and genome-wide association studies.
复制标题
DOI：
10.1146/annurev.publhealth.012809.103619
复制
发表时间：
2010
影响因子：
20.8
通讯作者：
Thomas D
中科院分区：
文献类型：
--
作者：
Thomas D
尽管新一代全基因组关联研究（GWAS）对遗传关联的新发现和重复发现的产量相当热情，但迄今为止研究的大多数复杂疾病的遗传性比例仍然很小。其中一些“暗物质”可能是由于基因-环境（G×E）相互作用或涉及多个基因和暴露的更复杂的途径。我们回顾了研究G×E相互作用的基本流行病学研究设计和统计分析方法，然后考虑更全面的方法来研究整个途径或GWAS数据。除了遗传关联研究中的常见问题外，在暴露评估中需要特别小心，并且需要非常大的样本量。虽然假设驱动的路径为基础的和“不可知论”的GWAS方法通常被视为相反的两极，我们建议，这两个可以有效地使用分层建模策略，利用外部通路知识挖掘全基因组数据结婚。
Despite the considerable enthusiasm about the yield of novel and replicated discoveries of genetic associations from the new generation of genome-wide association studies (GWAS), the proportion of the heritability of most complex diseases that have been studied to date remains small. Some of this “dark matter” could be due to gene-environment (G×E) interactions or more complex pathways involving multiple genes and exposures. We review the basic epidemiologic study design and statistical analysis approaches to studying G×E interactions individually and then consider more comprehensive approaches to studying entire pathways or GWAS data. In addition to the usual issues in genetic association studies, particular care is needed in exposure assessment and very large sample sizes are required. Although hypothesis-driven pathway-based and “agnostic” GWAS approaches are generally viewed as opposite poles, we suggest that the two can be usefully married using hierarchical modeling strategies that exploit external pathway knowledge in mining genome-wide data.
登录
查看更多内容
DOI：
10.1038/nrg2579
发表时间：
2009-06
期刊：
Nature reviews. Genetics
影响因子：
--
作者：
Cordell HJ
通讯作者：
Cordell HJ
影响因子：
1.8
作者：
Conti, DV;Cortessis, V;Thomas, DC
通讯作者：
Thomas, DC
影响因子：
2.1
作者：
Chasman, Daniel I.
通讯作者：
Chasman, Daniel I.
影响因子：
30.8
作者：
通讯作者：
--
影响因子：
2.1
作者：
Chen, Yi-Hau;Lin, Hui-Wen;Liu, Huimei
通讯作者：
Liu, Huimei