Epistasis analysis for quantitative traits by functional regression model.
Epistasis analysis for quantitative traits by functional regression model.
复制标题
DOI：
10.1101/gr.161760.113
复制
发表时间：
2014-06
期刊：
影响因子：
7
通讯作者：
Xiong M
中科院分区：
文献类型：
--
作者：
Zhang F;Boerwinkle E;Xiong M
罕见变异相互作用分析的关键障碍是，大多数用于测试相互作用的传统统计方法最初是为测试常见变异之间的相互作用而设计的，并且由于计算时间过长且能力差而难以应用于罕见变异。成功检测与下一代测序（NGS）数据的相互作用的巨大挑战是（1）缺乏对罕见变异进行相互作用分析的方法，（2）严格的多重测试，以及（3）耗时的计算。为了应对这些挑战，我们将两个基因座之间的相互作用分析范式转变为两组基因座或基因组区域之间的相互作用分析，并共同测试两个基因组区域内所有可能的 SNP 对之间的相互作用。换句话说，我们以基因组区域作为相互作用分析的基本单位，并使用高维数据缩减和功能数据分析技术来开发一种新颖的功能回归模型，以共同测试两个基因组区域内所有可能的单核苷酸多态性（SNP）对之间的相互作用。通过深入的模拟，我们证明了用于数量性状交互分析的函数回归模型具有正确的1型错误率，并且比当前的成对交互分析具有更好的检测交互的能力。所提出的方法应用于 NHLBI 外显子组测序项目 (ESP) 和 CHARGE-S 研究的外显子组序列数据。在 ESP 中应用 Bonferroni 校正（P 值 < 4.58 × 10−10）后，我们发现 27 对基因显示出显着的相互作用，并且 11 对基因在 CHARGE-S 研究中得到了重复。
The critical barrier in interaction analysis for rare variants is that most traditional statistical methods for testing interactions were originally designed for testing the interaction between common variants and are difficult to apply to rare variants because of their prohibitive computational time and poor ability. The great challenges for successful detection of interactions with next-generation sequencing (NGS) data are (1) lack of methods for interaction analysis with rare variants, (2) severe multiple testing, and (3) time-consuming computations. To meet these challenges, we shift the paradigm of interaction analysis between two loci to interaction analysis between two sets of loci or genomic regions and collectively test interactions between all possible pairs of SNPs within two genomic regions. In other words, we take a genome region as a basic unit of interaction analysis and use high-dimensional data reduction and functional data analysis techniques to develop a novel functional regression model to collectively test interactions between all possible pairs of single nucleotide polymorphisms (SNPs) within two genome regions. By intensive simulations, we demonstrate that the functional regression models for interaction analysis of the quantitative trait have the correct type 1 error rates and a much better ability to detect interactions than the current pairwise interaction analysis. The proposed method was applied to exome sequence data from the NHLBI’s Exome Sequencing Project (ESP) and CHARGE-S study. We discovered 27 pairs of genes showing significant interactions after applying the Bonferroni correction (P-values < 4.58 × 10−10) in the ESP, and 11 were replicated in the CHARGE-S study.
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：
37.8
作者：
Hu S;Huang M;Li Z;Jia F;Ghosh Z;Lijkwan MA;Fasanaro P;Sun N;Wang X;Martelli F;Robbins RC;Wu JC
通讯作者：
Wu JC
影响因子：
5.8
作者：
Charmandari, Evangelia;Sertedaki, Amalia;Chrousos, George P.
通讯作者：
Chrousos, George P.
影响因子：
9.8
作者：
Li, Bingshan;Leal, Suzanne M.
通讯作者：
Leal, Suzanne M.
使用加权多个线性回归来估计by-qtl上位效应。
影响因子：
2.1
作者：
Bocianowski J
通讯作者：
Bocianowski J