ジェノタイピングエラー、欠落データ、フェノコピー、および遺伝的不均一性の存在下で遺伝子遺伝子相互作用を検出するための多因子寸法減少のパワー

主に他の遺伝子や他の環境要因との相互作用を通じて、一般的で複雑な多因子性疾患のリスクに影響を与える遺伝子の同定と特性評価は、遺伝的疫学における統計的および計算上の課題のままです。この課題は、他の遺伝子との相互作用や環境への相互作用にのみまたは部分的に依存する遺伝的効果を検出するためのパラメトリック統計的方法の制限によるものです。以前は、疾患リスクに関連する多型の組み合わせの同定を改善するために、多焦点遺伝子型情報の次元を減らす方法として、多因子次元削減（MDR）を導入しました。MDRアプローチはノンパラメトリック（つまり、統計パラメーターの値に関する仮説が作成されていない）であり、モデルフリー（つまり、特定の相続モデルを想定していない）であり、症例制御および不一致のSIBペア研究デザインに直接適用可能です。経験的研究と理論的研究の両方が、MDRが高次遺伝子相互作用を特定するための優れた力を持っていることを示唆しています。ただし、一般的なノイズ源の存在下で遺伝子遺伝子相互作用を識別するためのMDRの力は現在知られていません。この研究の目標は、ジェノタイピングエラー、欠落データ、フェノコピー、および遺伝的または遺伝子座または遺伝子座の不均一性によるノイズの存在下での遺伝子遺伝子相互作用を特定するためのMDRの力を評価することでした。シミュレートされたデータを使用して、MDRが5％のジェノタイピングエラー、5％の欠落データ、または両方の組み合わせの存在下で遺伝子遺伝子相互作用を特定するために高い力を持っていることを示します。ただし、MDRは50％のフェノコピーの存在下での一部のモデルの電力を低下させ、50％の遺伝的不均一性の存在下では非常に限られたパワーを削減しました。遺伝的不均一性に対処するためにMDRを拡張することは、この新しいアプローチの継続的な方法論的発達の優先事項であるべきです。

The identification and characterization of genes that influence the risk of common, complex multifactorial diseases, primarily through interactions with other genes and other environmental factors, remains a statistical and computational challenge in genetic epidemiology. This challenge is partly due to the limitations of parametric statistical methods for detecting genetic effects that are dependent solely or partially on interactions with other genes and environmental exposures. We previously introduced multifactor dimensionality reduction (MDR) as a method for reducing the dimensionality of multilocus genotype information to improve the identification of polymorphism combinations associated with disease risk. The MDR approach is nonparametric (i.e., no hypothesis about the value of a statistical parameter is made), is model-free (i.e., assumes no particular inheritance model), and is directly applicable to case-control and discordant sib-pair study designs. Both empirical and theoretical studies suggest that MDR has excellent power for identifying high-order gene-gene interactions. However, the power of MDR for identifying gene-gene interactions in the presence of common sources of noise is not currently known. The goal of this study was to evaluate the power of MDR for identifying gene-gene interactions in the presence of noise due to genotyping error, missing data, phenocopy, and genetic or locus heterogeneity. Using simulated data, we show that MDR has high power to identify gene-gene interactions in the presence of 5% genotyping error, 5% missing data, or a combination of both. However, MDR has reduced power for some models in the presence of 50% phenocopy, and very limited power in the presence of 50% genetic heterogeneity. Extending MDR to address genetic heterogeneity should be a priority for the continued methodological development of this new approach.