A Bayesian Partitioning Model for the Detection of Multilocus Effects in Case-Control Studies.
A Bayesian Partitioning Model for the Detection of Multilocus Effects in Case-Control Studies.
复制标题
DOI：
10.1159/000369858
复制
发表时间：
2015
期刊：
影响因子：
1.8
通讯作者：
Basu S
中科院分区：
文献类型：
--
作者：
Ray D;Li X;Pan W;Pankow JS;Basu S
全基因组关联研究（GWAS）已经发现了数百种与复杂疾病相关的遗传变异，但这些变异似乎对疾病遗传性的解释很少。GWAS中典型的单位点关联分析不能检测具有小效应量的变体，也不能捕获这些变体之间的高阶相互作用。多位点关联分析提供了一个强大的替代方案，通过联合建模的基因或通路内的变异，并通过减少在GWAS的多个假设检验的负担。我们在这里提出了一个强大而灵活的降维方法来模拟多位点关联。我们使用贝叶斯划分模型，该模型根据SNP的关联方向对其进行聚类，使用灵活的评分方案对更高阶的相互作用进行建模，并使用后验边缘概率来检测SNP集与疾病之间的关联。我们已经说明了我们的模型，使用广泛的模拟研究，并应用它检测多位点的相互作用，在GWAS研究与2型糖尿病的动脉粥样硬化风险在社区（ARIC）。我们证明，我们的方法比几种现有方法更能检测多位点相互作用。当应用于ARIC数据集与9328个人研究基于基因的关联2型糖尿病，我们的方法确定了一些新的变异没有检测到传统的单基因座关联分析。
Genome-wide association studies (GWASs) have identified hundreds of genetic variants associated with complex diseases, but these variants appear to explain very little of the disease heritability. The typical single locus association analysis in a GWAS fails to detect variants with small effect sizes and to capture higher order interaction among these variants. Multilocus association analysis provides a powerful alternative by jointly modeling the variants within a gene or a pathway and by reducing the burden of multiple hypothesis testing in a GWAS. We have proposed here a powerful and flexible dimension reduction approach to model multilocus association. We use a Bayesian partitioning model which clusters SNPs according to their direction of association, models higher order interactions using a flexible scoring scheme, and uses posterior marginal probabilities to detect association between the SNP-set and the disease. We have illustrated our model using extensive simulation studies and applied it detect multilocus interaction in a GWAS study with type 2 diabetes in Atherosclerosis Risk in Communities (ARIC). We demonstrate that our approach has better power to detect multilocus interactions than several existing approaches. When applied to ARIC dataset with 9328 individuals to study gene based associations for type 2 diabetes, our method identified some novel variants not detected by conventional single locus association analyses.
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
影响因子：
3
作者：
Marttinen P;Corander J
通讯作者：
Corander J
影响因子：
9.8
作者：
Liu, Jimmy Z.;Mcrae, Allan F.;Macgregor, Stuart
通讯作者：
Macgregor, Stuart
影响因子：
4.5
作者：
通讯作者：
--
影响因子：
2.1
作者：
Fridley, Brooke L.
通讯作者：
Fridley, Brooke L.