[論文レビュー] On the genetic architecture of intelligence and other quantitative traits

Stephen Hsu|arXiv (Cornell University)|Aug 14, 2014

Genetic Associations and Epidemiology参考文献 3被引用数 3

ひとこと要約

この論文は、知能や身長などの量的特性の遺伝的構造を調査し、一般知能要因（g）の変動に寄与する、主に負の効果を示す約10,000個の中程度の頻度の遺伝的変異（一般的でないものも含む）が多数存在することを提案している。圧縮センシングとL1正則化回帰を用いて、gの予測に統計的パワーを得るためには、因果関連遺伝子座の数の約100倍、つまり約100万人規模のサンプルサイズが必要であると推定している。

ABSTRACT

How do genes affect cognitive ability or other human quantitative traits such as height or disease risk? Progress on this challenging question is likely to be significant in the near future. I begin with a brief review of psychometric measurements of intelligence, introducing the idea of a "general factor" or g score. The main results concern the stability, validity (predictive power), and heritability of adult g. The largest component of genetic variance for both height and intelligence is additive (linear), leading to important simplifications in predictive modeling and statistical estimation. Due mainly to the rapidly decreasing cost of genotyping, it is possible that within the coming decade researchers will identify loci which account for a significant fraction of total g variation. In the case of height analogous efforts are well under way. I describe some unpublished results concerning the genetic architecture of height and cognitive ability, which suggest that roughly 10k moderately rare causal variants of mostly negative effect are responsible for normal population variation. Using results from Compressed Sensing (L1-penalized regression), I estimate the statistical power required to characterize both linear and nonlinear models for quantitative traits. The main unknown parameter s (sparsity) is the number of loci which account for the bulk of the genetic variation. The required sample size is of order 100s, or roughly a million in the case of cognitive ability.

研究の動機と目的

• 知能、身長、疾患リスクといった複雑な人間の特性の遺伝的基盤を理解することを目的とし、多因子的構造に焦点を当てる。
• 新たなゲノム技術を用いたゲノタイプから認知能力を予測する可能性を評価すること。
• 知能や身長のような量的特性を規定する遺伝子座を同定・モデル化するために必要なサンプルサイズを推定すること。
• 加法的遺伝的分散の役割と、非線形モデルが特性の変動を説明する可能性について評価すること。
• ゲノム予測の意味を胚選択、認知機能の強化、公衆衛生分野にどのように及ぼすかを検討すること。

提案手法

• 高次元の遺伝的データをモデル化し、因果関連遺伝子座の数を推定するために、圧縮センシング（L1正則化回帰）を用いる。
• 信頼性の高い遺伝的変異の検出に必要な最小サンプルサイズを決定するための統計的推定技術を適用する。
• g（一般知能要因）の遺伝率を推定するために、既存の双子研究および養子研究を分析する。
• 多数の中小頻度の変異が、小さなから中程度の効果を持つと仮定して、遺伝的構造をモデル化する。
• 有効な検出のためには、サンプルサイズが因果関連遺伝子座の数（s）の約100倍に比例する必要があると推定する。
• SNPゲノタイピングおよび全ゲノムシーケンシングのデータに依存しており、それぞれのコストは急速に低下し、それぞれ1人あたり約100ドルおよび約1,000ドルにまで下がっている。

実験結果

リサーチクエスチョン

• RQ1 知能の遺伝的構造はどのようなものであり、一般要因gの変動に寄与する遺伝子座はいくつあるか？
• RQ2 認知能力および身長の変動の顕著な割合を説明するために、どの程度の遺伝的変異が必要か？
• RQ3 複雑な量的特性を規定する遺伝的変異を信頼性高く検出・モデル化するために、どの程度のサンプルサイズが必要か？
• RQ4 知能および身長の遺伝的分散の多くが加法的であるとされる程度はどの程度で、それが予測モデリングを簡素化するか？
• RQ5 圧縮センシング手法は、高次元のゲノムデータから多因子的特性の遺伝的基盤を効果的に回復できるか？

主な発見

• 知能および身長の遺伝的分散の最大部分は加法的であり、予測モデリングおよび統計的推定を簡素化する。
• 知能および身長の遺伝的構造は、主に負の効果を示す約10,000個の中程度の頻度の因果関連変異によって形作られている可能性が高い。
• 因果関連遺伝子座の検出に必要なサンプルサイズは、約100倍の遺伝子座の数（s）に比例する。これは、知能の遺伝的基盤を特徴付けるために約100万人の個体が必要であることを示唆する。
• 急速に低下するゲノタイピングコストを考えると、gの変動に顕著な寄与を示す遺伝子座を同定することは、今後10年以内に実現可能になる可能性がある。
• 双子および養子研究に基づくgの遺伝率は50–80%と推定されており、教育水準、収入、長寿といった結果の予測力も強い。
• これらの結果は、多因子的スコアに基づく胚選択が、短期間のうちに技術的に実現可能かつ倫理的に重要な意味を持つようになる可能性を示唆している。