[論文レビュー] Assessment of Pooled Association Tests for Rare Genetic Variants within a Unified Framework

Andriy Derkach, Jerry Lawless+1 more|arXiv (Cornell University)|May 18, 2012

Genetic Associations and Epidemiology被引用数 2

ひとこと要約

本稿は、統一された統計枠組みのもとで希少遺伝変異のプールド関連検定を評価し、多様な遺伝的モデルとデータタイプにおける検出力の比較を行っている。中規模の研究では、変異の大部分が原因である場合を除き、検出力が低いことが判明しており、検出を向上させるために生物学的根拠に基づいた変異選択の必要性が強調されている。

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.

研究の動機と目的

• 統一された統計枠組みのもとで、希少遺伝変異のさまざまなプールド関連検定の性能を評価すること。
• 検定の検出力が遺伝的モデルの特性、変異頻度、およびサンプルサイズにどのように依存するかを評価すること。
• 複雑な形質遺伝性を示す関連を検出するための最適な検定戦略を特定すること。
• 生物学的情報を活用して関連する変異を選択することで、検出力の向上を支援するための研究者へのガイダンスを提供すること。

提案手法

• 希少変異検定に適した広範な遺伝的モデルとデータタイプをカバーする統一されたフレームワークを構築すること。
• さまざまな遺伝的シナリオ下での特定の検定の正確または漸近的検出力の式を導出すること。
• 10,000を超える異なる遺伝的モデルをカバーする新しいシミュレーションスタディを実施し、検定の性能を比較すること。
• 1000ゲノム・プロジェクトおよびGAW17データセットからの実際の配列データに、選択された検定を適用すること。
• 因果変異の割合や変異頻度の変動に伴う検定性能を統計的検出力分析で評価すること。
• 実応用における検出力の向上を図るため、生物学的関連性を変異選択戦略に統合すること。

実験結果

リサーチクエスチョン

• RQ1 異なるプールド関連検定は、多様な遺伝的モデルや変異頻度においてどのように性能を発揮するか？
• RQ2 サンプルサイズと因果変異の割合が検定の検出力に与える影響は何か？
• RQ3 現実的な遺伝的シナリオ下で、どの検定戦略が最高の検出力を示すか？
• RQ4 生物学的に関連する変異を含めることで、実際の配列データにおける検出力にどのような影響が生じるか？

主な発見

• 中規模の研究では、選択された変異の大部分が因果である場合を除き、関連の検出力は低い。
• 検定の性能は、背後にある遺伝的モデルや因果変異の分布に大きく依存する。
• 統一されたフレームワークにより、広範なシナリオにわたる検定の検出力の正確な比較が可能になった。
• 実データへの応用から、変異選択に事前の生物学的ガイダンスがないと、検出力が限定的であることが確認された。
• 本研究では、生物学的情報を統合した検定戦略の推奨を行う。これにより、検出能力が向上する。
• 漸近的および正確な検出力の式は、実応用前の検定性能の評価に信頼できるツールを提供する。