Lder-geは、GE相互作用の概要統計と完全なLD情報と正確に、ヒトと複雑な特性における遺伝子環境相互作用の表現型分散成分を推定します

遺伝子環境（GE）相互作用は、人間の複雑な特性を理解する上で不可欠です。これらの相互作用を特定することは、そのような特性の生物学的基礎を解読するために必要です。この研究では、ゲノム全体のGE相互作用によって説明された表現型分散の割合を推定するための最先端の方法をレビューし、遺伝子環境相互作用（LDERGE）の新しい統計的方法結合 - デスキリビリウム固有値回帰を導入します。Lder-geは、大規模バイオバンク関連の要約統計を使用して、ゲノム全体のGE相互作用によって説明される表現型分散成分を推定する精度を向上させます。LDEGは、LDSC（リンケージ不平衡スコア）ベースの方法で使用されている対角線四角LDマトリックスのみとは対照的に、完全なリンケージ不平衡（LD）マトリックスを活用します。当社の広範なシミュレーション研究は、Lder-GEが統計効率を〜23％強化することにより、LDSCベースのアプローチよりも優れたパフォーマンスを発揮することを示しています。この改善は、約51％のサンプルサイズの増加に相当します。さらに、LdergeはタイプIエラー率を効果的に制御し、公平な結果を生成します。217の環境共変量 - 表現型（E-Y）ペアで、307 259の無関係なヨーロッパアンテリー被験者と966 766のバリアントを含む英国のバイオバンクデータを使用して分析を実施しました。LDER-GEは34の有意なE-Yペアを特定しましたが、LDSCベースのメソッドは22の有意なE-Yペアのみを識別し、22はLdergeと重複しています。さらに、Lder-GEを使用して、複数のGE相互作用に起因する凝集分散成分を推定し、主な遺伝的効果のみを考慮するのと比較して、GE相互作用と説明された表現型の分散が増加しました。私たちの結果は、人間の複雑な特性に対するGE相互作用の影響の重要性を示唆しています。

Gene-environment (GE) interactions are essential in understanding human complex traits. Identifying these interactions is necessary for deciphering the biological basis of such traits. In this study, we review state-of-art methods for estimating the proportion of phenotypic variance explained by genome-wide GE interactions and introduce a novel statistical method Linkage-Disequilibrium Eigenvalue Regression for Gene-Environment interactions (LDER-GE). LDER-GE improves the accuracy of estimating the phenotypic variance component explained by genome-wide GE interactions using large-scale biobank association summary statistics. LDER-GE leverages the complete Linkage Disequilibrium (LD) matrix, as opposed to only the diagonal squared LD matrix utilized by LDSC (Linkage Disequilibrium Score)-based methods. Our extensive simulation studies demonstrate that LDER-GE performs better than LDSC-based approaches by enhancing statistical efficiency by ~23%. This improvement is equivalent to a sample size increase of around 51%. Additionally, LDER-GE effectively controls type-I error rate and produces unbiased results. We conducted an analysis using UK Biobank data, comprising 307 259 unrelated European-Ancestry subjects and 966 766 variants, across 217 environmental covariate-phenotype (E-Y) pairs. LDER-GE identified 34 significant E-Y pairs while LDSC-based method only identified 23 significant E-Y pairs with 22 overlapped with LDER-GE. Furthermore, we employed LDER-GE to estimate the aggregated variance component attributed to multiple GE interactions, leading to an increase in the explained phenotypic variance with GE interactions compared to considering main genetic effects only. Our results suggest the importance of impacts of GE interactions on human complex traits.