[논문 리뷰] Assessment of Pooled Association Tests for Rare Genetic Variants within a Unified Framework

Andriy Derkach, Jerry Lawless외 1명|arXiv (Cornell University)|2012. 05. 18.

Genetic Associations and Epidemiology인용 수 2

한 줄 요약

이 논문은 통합된 통계적 프레임워크 내에서 희귀 유전자 변이에 대한 풀링된 연관성 검정을 평가하며, 다양한 유전적 모델과 데이터 유형 간의 검정력(power)을 비교한다. 연구 결과, 중간 크기의 연구에서는 유전자 변이의 상당 부분이 유전적으로 기여하지 않는 한 검정력이 낮다는 점을 밝혀내며, 검출 능력을 향상시키기 위해 생물학적으로 의미 있는 변이 선택이 필요하다고 강조한다.

ABSTRACT

In the search for genetic factors that are associated with complex heritable human traits, considerable attention is now being focused on rare variants that individually have small effects. In response, numerous recent papers have proposed testing strategies to assess association between a group of rare variants and a trait, with competing claims about the performance of various tests. The power of a given test in fact depends on the nature of any association and on the rareness of the variants in question. We review such tests within a general framework that covers a wide range of genetic models and types of data. We study the performance of specific tests through exact or asymptotic power formulas and through novel simulation studies of over 10,000 different models. The tests considered are also applied to real sequence data from the 1000 Genomes project and provided by the GAW17. We recommend a testing strategy, but our results show that power to detect association in plausible genetic scenarios is low for studies of medium size unless a high proportion of the chosen variants are causal. Consequently, considerable attention must be given to relevant biological information that can guide the selection of variants for testing.

연구 동기 및 목표

• 통합된 통계적 프레임워크 하에서 다양한 풀링된 연관성 검정의 성능을 평가하기 위해.
• 유전적 모델 특성, 변이 빈도, 표본 크기의 변화에 따라 검정력이 어떻게 변하는지 평가하기 위해.
• 복잡한 유전적 형질에서 연관성을 탐지하기 위한 최적의 검정 전략을 규명하기 위해.
• 생물학적 정보를 활용하여 관련 변이를 선택함으로써 검출 능력을 향상시키는 데 연구자들을 안내하기 위해.

제안 방법

• 희귀 변이 검정을 위한 광범위한 유전적 모델과 데이터 유형을 수용하는 통합 프레임워크를 개발하기 위해.
• 다양한 유전적 상황에서 특정 검정에 대한 정확한 또는 渐近적 검정력 공식을 유도하기 위해.
• 10,000개 이상의 유일한 유전적 모델을 대상으로 한 새로운 시뮬레이션 연구를 수행하여 검정 성능를 비교하기 위해.
• 1000 Genomes 프로젝트와 GAW17 데이터셋의 실제 시퀀스 데이터에 선택된 검정을 적용하기 위해.
• 다양한 비율의 유전자 기여 변이와 변이 빈도에서 검정 성능을 평가하기 위해 통계적 검정력 분석을 수행하기 위해.
• 실제 적용 환경에서 검출 능력을 향상시키기 위해 생물학적 관련성을 변이 선택 전략에 통합하기 위해.

실험 결과

연구 질문

• RQ1 다양한 유전적 모델과 변이 빈도에서 서로 다른 풀링된 연관성 검정은 어떻게 성능을 보이는가?
• RQ2 표본 크기와 유전자 기여 변이 비율이 검정력에 어떤 영향을 미치는가?
• RQ3 실제 유전적 상황에서 가장 높은 검정력을 제공하는 검정 전략은 무엇인가?
• RQ4 생물학적으로 관련성이 있는 변이의 포함 여부가 실제 시퀀스 데이터에서 검출 능력에 어떤 영향을 미치는가?

주요 결과

• 중간 크기의 연구에서는 선택된 변이 중 상당 부분이 유전적으로 기여하지 않는 한 연관성 탐지 검정력이 낮다.
• 검정 성능는 기반 유전적 모델과 유전자 기여 변이의 분포에 따라 크게 달라진다.
• 통합 프레임워크는 광범위한 시나리오 간 검정력 비교를 정확하게 가능하게 한다.
• 실제 데이터 적용 결과, 변이 선택에 사전 생물학적 지침이 없으면 검정력이 제한됨을 확인한다.
• 이 연구는 생물학적 정보를 통합한 검정 전략을 제안하여 검출 능력을 향상시킨다.
• 渐近적 및 정확한 검정력 공식은 실제 적용 이전에 검정 성능 평가에 신뢰할 수 있는 도구를 제공한다.