A meta-analytic framework for detection of genetic interactions.
A meta-analytic framework for detection of genetic interactions.
复制标题
用于检测遗传相互作用的荟萃分析框架。
DOI：
10.1002/gepi.21996
复制
发表时间：
2016-11
影响因子：
2.1
通讯作者：
Scheet, Paul
中科院分区：
文献类型：
--
作者：
Liu, Yulun;Chen, Yong;Scheet, Paul
随着不同的，但大量的，遗传性的比例仍然无法解释的单SNP遗传变异的总结，有一个需求的方法，从遗传关联研究中提取最大的信息。一个难以评估的变异来源是遗传相互作用。幼稚检测方法的主要挑战是大量可能的组合，需要校正多次测试。假设大的边际效应，以减少搜索空间，可能是限制性的，并错过高阶相互作用与适度的边际效应。在本文中，我们提出了一个新的程序，通过利用人口结构，或祖先的差异，在相同的表型进行测量的研究之间的估计低阶（如边际）效应大小的异质性检测基因的相互作用。我们在一个元分析框架中实现了这种方法，它提供了许多优点，如鲁棒性和计算效率，并且在数据共享限制限制联合分析时是必要的。我们有效地应用降维过程，缩放，以允许搜索高阶相互作用。为了与我们的方法进行比较，我们称之为YETI（YETI），我们采用了一种现有的方法，该方法假设相互作用的位点将对我们的元分析框架表现出很强的边缘效应。正如预期的那样，当多项研究来自高度分化的人群时，YETI表现出色，即使在边际效应很小的情况下，它也能在这些条件下保持优势。当这些条件不那么极端时，我们的方法的优势减弱。我们评估的I型错误和功率特性的互补方法，以评估其优势和局限性。
With varying, but substantial, proportions of heritability remaining unexplained by summaries of single-SNP genetic variation, there is a demand for methods that extract maximal information from genetic association studies. One source of variation that is difficult to assess is genetic interactions. A major challenge for naive detection methods is the large number of possible combinations, with a requisite need to correct for multiple testing. Assumptions of large marginal effects, to reduce the search space, may be restrictive and miss higher-order interactions with modest marginal effects. In this paper, we propose a new procedure for detecting gene-by-gene interactions through heterogeneity in estimated low-order (e.g. marginal) effect sizes by leveraging population structure, or ancestral differences, among studies in which the same phenotypes were measured. We implement this approach in a meta-analytic framework, which offers numerous advantages, such as robustness and computational efficiency, and is necessary when data-sharing limitations restrict joint analysis. We effectively apply a dimension reduction procedure that scales to allow searches for higher-order interactions. For comparison to our method, which we term phylogen Y-aware Effect-size Tests for Interactions (YETI), we adapt an existing method that assumes interacting loci will exhibit strong marginal effects to our meta-analytic framework. As expected, YETI excels when multiple studies are from highly differentiated populations and maintains its superiority in these conditions even when marginal effects are small. When these conditions are less extreme, the advantage of our method wanes. We assess the Type-I error and power characteristics of complementary approaches to evaluate their strengths and limitations.
登录
查看更多内容
影响因子：
2.1
作者：
Park, Mee Young;Hastie, Trevor
通讯作者：
Hastie, Trevor
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
来自1,092个人基因组的遗传变异的综合图。
影响因子：
64.8
作者：
通讯作者：
--
影响因子：
4.5
作者：
Evans, David M.;Marchini, Jonathan;Morris, Andrew P.;Cardon, Lon R.
通讯作者：
Cardon, Lon R.
影响因子：
2.7
作者：
Dai, James Y.;Kooperberg, Charles;Prentice, Ross L.
通讯作者：
Prentice, Ross L.