ゴールドダストの収集：ゲノムスキャンにおける小さな効果遺伝子の総影響を評価する方法

Genomewide Association Scan（GWAS）データマイニングでは、中程度の効果「Gold Nugget」複雑な特性遺伝子が見つかりました。しかし、多くの特性では、説明的な分散の多くは、真の多遺伝子であり、金の粉塵に似ている可能性があります。しかし、それらの集合的な影響は、個別化医療を進めるために非常に重要かもしれません。定量的（または定性的）特性に影響を与える遺伝的金塵をふるいにかける新しいアプローチを検討します。GWASのうち、私たちは一握りのSNPをランダムにつかみ、複数の線形（またはロジスティック）回帰でその効果をモデル化します。モデルの重要性は、各SNPに関連する繰り返し更新された擬似ベイシアン事後確率を取得するために使用されます。段階的な手順で、SNPのリストをcullして、最終セットを定義します。1,000人のランダム被験者における1,000人の5つの定量的特性遺伝子のベンチマークシミュレーションの結果は、名目上の有意性、ボンフェローニ補正の有意性、誤検出率、およびシリアル選択方法を使用した限界テストとは対照的です。ランダムな一握りは、テストされたすべての方法の感度（0.95）特異性（0.99）と真の正の速度（0.71）の最良の組み合わせと、独立したサブジェクトセットでのより良い複製可能性を生み出しました。より広範なシミュレーションから、信号対ノイズ比、SNPタイピング密度、およびサンプルサイズのどの組み合わせが、金塵を収集する方法で扱いやすいかを決定します。

Genomewide association scan (GWAS) data mining has found moderate-effect "gold nugget" complex trait genes. But for many traits, much of the explanatory variance may be truly polygenic, more like gold dust, whose small marginal effects are undetectable by traditional methods. Yet, their collective effects may be quite important in advancing personalized medicine. We consider a novel approach to sift out the genetic gold dust influencing quantitative (or qualitative) traits. Out of a GWAS, we randomly grab handfuls of SNPs, modeling their effects in a multiple linear (or logistic) regression. The model's significance is used to obtain an iteratively updated pseudo-Bayesian posterior probability associated with each SNP, which is repeated over many random draws until the distribution becomes stable. A stepwise procedure culls the list of SNPs to define the final set. Results from a benchmark simulation of 5 quantitative trait genes among 1,000, in 1,000 random subjects, are contrasted with marginal tests using nominal significance, Bonferroni-corrected significance, false discovery rates, as well as with serial selection methods. Random handfuls produced the best combination of sensitivity (0.95) specificity (0.99) and true positive rate (0.71) of all methods tested and better replicability in an independent subject set. From more extensive simulations, we determine which combinations of signal to noise ratios, SNP typing densities, and sample sizes are tractable with which methods to gather the gold dust.