克服"盛宴或饥荒"效应:在全基因组关联研究中改进了相互作用测试
Huanlin Zhou1, Mary Sara McPeek1,2
1Department of Statistics, The University of Chicago, Chicago, Illinois, U.S.A.
bioRxiv : the preprint server for biology
|February 26, 2024
概括
在全基因组相互作用研究 (GWIS) 中的"盛宴或饥荒"效应会导致变化的1型错误率,从而导致不可靠的结果. 丁加方法纠正了这一点,提高了检测遗传相互作用的准确性和功率.
科学领域:
- 遗传学 是一个遗传学.
- 统计遗传学 统计遗传学
- 生物信息学是一种生物信息学.
背景情况:
- 复杂特征的遗传关联分析旨在确定基因-基因 (GxG) 和基因-环境 (GxE) 相互作用.
- 全基因组相互作用研究 (GWIS) 面临着诸如多重比较和异构性等挑战.
- 在GWIS的一个重要问题是"盛宴或饥荒"效应,其中1型错误率波动不可预测.
研究的目的:
- 在GxE GWIS中识别和解释"盛宴或饥荒"效应.
- 开发检测和纠正这种效应的方法.
- 提高GWIS中相互作用检测的可靠性和功率.
主要方法:
- 理论分析以确定"盛宴或饥荒"效应的原因 (取决于变量).
- 开发一个诊断比率来识别受影响的GWAS.
- 引入TINGA方法来调整相互作用测试统计数据,以在零假设下统一的p值.
- 使用线性混合模型 (LMM) 来解释共变量,人口结构和异种多样性.
主要成果:
- "宴会或饥荒"效应导致p值低或过度膨胀,导致假阳性,功率降低和不一致的结果.
- 诊断比率有效地检测到易受这种影响的GWAS.
- 在模拟中,TINGA展示了1型错误控制和提高功率.
- TINGA被应用于研究Arabidopsis thaliana*开花时间的表皮病.
结论:
- "宴会或饥荒"效应是GWIS中一个关键的,以前被低估的挑战.
- 在GxE研究中,TINGA为准确和强大的相互作用检测提供了强大的解决方案.
- 这种方法提高了全基因组相互作用分析结果的可复制性和有效性.
