Verbesserte statistische Erkennung von krankheitsassoziierten SNPs und SNP-Interaktionen in genomweiten Assoziationsstudien

在基因组关联研究中，韦尔登发现了数百种单核苷酸多态性（SNPs; Single Nucleotide Polymorphisms）。大北是基因组中的一个SNP变异，它仅仅是一个基础。主要解决方法是识别SNPs，并与其他相关的关键词进行关联。所有这些都是对SNPs的测试的验证，但并不局限于拉格，SNPs的相关性与正常的癌症相关。因此，在复杂的Krankheiten中，Krebs不是唯一的SNPs，而是不同SNPs之间的相互作用对Krankheitsrisiko的影响。SNP-Interaktionen的识别方法需要在拉格的基础上进行单一或单一的SNPs识别，Interaktionen需要进行有序的识别。因此，本文提出了一种新的研究方法，即用贝叶斯方法对SNPs进行分析，建立一个新的研究框架，并提出一种新的方法，使基因组间的关联研究更有条理，并使之与Kranklin定量和测试的发展相关。这些测试韦尔登在模拟中也使用了许多研究协会的数据。

In genomweiten Assoziationsstudien werden üblicherweise mehrere hunderttausend Einzelnukleotidpolymorphismen (SNPs; Single Nucleotide Polymorphisms) betrachtet. Dabei ist ein SNP eine Variation im Genom, die nur eine einzige Basenpaarstelle umfasst. Das Hauptziel solcher Studien ist die Identifizierung von SNPs, die mit der untersuchten Krankheit assoziiert sind. Allerdings sind derzeitige Verfahren zum Testen von SNPs häufig nicht in der Lage, die SNPs korrekt nach ihrer Relevanz für die Krankheit zu ordnen. Außerdem wird insbesondere bei komplexen Krankheiten wie Krebs davon ausgegangen, dass nicht einzelne SNPs, sondern Interaktionen von vielen SNPs einen starken Einfluss auf das Krankheitsrisiko haben. Aktuelle Methoden zur Identifizierung solcher SNP-Interaktionen sind aber entweder auf einige tausend SNPs beschränkt oder nur in der Lage, Interaktionen niedriger Ordnung zu erkennen. Deshalb sind die Ziele dieses Forschungsvorhabens, Bayes-Verfahren zum Testen von SNPs zu konstruieren, die zu einer verbesserten Rangfolge führen, und eine Methode zu entwickeln, die Interaktionen höherer Ordnung in genomweiten Assoziationsstudien findet und deren Relevanz für die Entwicklung der Krankheit quantifiziert und testet. Diese Verfahren werden sowohl auf simulierte als auch auf wirkliche Datensätze aus mehreren Assoziationsstudien angewandt.