疾患関連遺伝子SNP情報の組み合わせによる代謝疾患病態予測システムの構築

结合疾病相关基因SNP信息构建代谢性疾病病理预测系统

• 批准号: 17019070
• 负责人: 森崎 隆幸
• 金额: $ 1.92万
• 依托单位: National Cardiovascular Center Research Institute
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research on Priority Areas
• 财政年份: 2005
• 资助国家: 日本
• 起止时间: 2005 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-17019070/
• 关键词: 代謝疾患; ゲノム多型; SNP; 統計モデル; 予測式; 情報量基準

本年度の研究では、代謝疾患患者につき、ゲノム多型情報と臨床データとの間の関係式の推定を試みた。まず、肥満に関するSNP遺伝子型解析結果を使って、影響を与える遺伝因子候補について統計的解析を行い、肥満の予測と制御をめざした生活習慣因子を加えた統計モデルの作成を行った。15遺伝子47SNPをモデルとして、BMI、体脂肪率、ウエストヒップ比に対し性別に、統計モデルを作成し検討した。候補説明変数として遺伝形式に相当する変数、飲酒や喫煙など生活習慣に関する変数10種、年齢や既往歴に関する変数5種を用いて検討した。また、交互作用の検出のため、選択された生活習慣変数と選択されたSNP変数との間のすべての組み合わせの積を候補変数として、再度変数選択を行った。以上の解析の結果、BMI、体脂肪率、ウエストヒップ比に対して、選択された説明変数による重回帰式(予測式)が得られた。この中で、生活習慣とSNPとの複数の交互作用項が有意水準0.05で有意であった。しかしながら、こうして得られた予測式の寄与率は、0.13〜0.39程度にしかならないことが判明し、そのまま定量的予測に利用することは出来ないと考えられた。次に、得られた予測式に改良を加えるため、584SNPを計算対象とし、AIC(赤池情報量基準)やBIC(ベイズ型情報量基準)を基準として、BMIに関するモデル選択を実行し、BMI値に関する予測能力について検討した。まず、回帰式を決定し、これを予測式として残りのサンプルでの実測値と予測値との相関係数を計算して評価を行った。その結果、当初得られた予測式における各パラメータによる結果の寄与率に比較して、SNP変数を考慮すると予想に反して予測能力が減少する結果を得た。この結果は、関連性が偽陽性となるようなSNPが回帰式に混入しているためと考えられ、今後、方法の改良が必要であることが明らかとなった。

This year's study examined the relationship between metabolic disorders and clinical polymorphism. The analysis results of SNP gene types related to fertility, fertility, and fertility factors are analyzed statistically, and the prediction and control of fertility and fertility factors are added to the statistical analysis results. 15. The 47 SNPs were identified by gender, BMI, body fat percentage, and statistical analysis. The number of candidates and the number of people involved in drinking, smoking and living habits are 10, and the number of people involved in the past is 5. The number of SNPs and the number of combinations of SNPs and SNPs. The results of the above analysis, BMI, body fat percentage, body fat percentage, body The interaction term of the complex of the living habits and SNP is intentional level 0.05. The prediction rate is 0.13 ~ 0.39. The prediction rate is 0.13 ~ 0.39. Next, the prediction formula is improved, 584SNP is calculated, AIC(red pool information standard) and BIC (red pool information standard) are used as benchmarks, BMI is used as a reference for prediction ability, and BMI is used as a reference for prediction ability. The correlation coefficient between the prediction equation and the residual equation is calculated. The results were compared with those obtained from the prediction formula, and the prediction ability was reduced due to the SNP number. The result is that the correlation between SNP and false positive is mixed with SNP and the improvement of method is necessary.