稀有变异关联性分析中折叠与非折叠法的模拟比较研究

摘要

目的：复杂疾病是基因和环境因素共同作用的结果，为识别与复杂疾病有关的遗传变异，遗传流行病学家已提出多种基于基因连锁和/或基因关联性分析的统计学方法。近年来，全基因组关联研究（genome-wide association studies，GWAS）在常见变异（common variant）与复杂疾病或性状关联分析中取得了巨大的成就。但同时也发现，常见变异仅能解释疾病或性状遗传度的很少比例，此现象称为“遗传缺失（missing heritability）”。一个很有可能的原因就是，稀有变异（rare variant）对复杂疾病存在中到强度的影响。然而面对在人群中频率极低的稀有变异，如果仍然沿用GWAS中分析常见变异的统计学方法鉴别稀有变异对疾病的影响，得到的效能是非常低下的。随着全基因组测序技术的进步，稀有变异数据越来越容易获得，对稀有变异的探索将提高我们对人类疾病和性状生物学机制的理解。本研究可为分子遗传流行病学者在研究稀有变异和疾病关联时选择适宜的稀有变异关联分析统计方法提供参考和理论依据，并为稀有变异关联分析统计方法实际应用的推广和普及提供理论和方法学上的支持。
　　方法：根据DNA序列稀有变异疾病状态作用模式假设，研究10种稀有变异关联性分析方法，通过设置不同的样本量、非关联稀有变异数目、关联稀有变异效应值大小及其方向、关联稀有变异权重以及变异间连锁不平衡状态水平，系统模拟不同影响因素组合下的遗传情境，探讨不同模型原理的稀有变异关联性分析方法的适用条件，并比较这些方法在不同遗传情境中的Ⅰ类错误和效能。所有的方法运算过程均在R3.0.2软件中完成。
　　结果：各方法方法一类错误均保持在0.05水平上下。关联稀有变异的效应大小和方向均相同时，随样本量增大、连锁不平衡参数增加和非关联变异个数减少各方法效能增高；小和中样本量且连锁不平衡参数为0时，无方向考虑的三种方法（CMC、w-Sum和SUM）和aSum在非关联变异不存在或个数较少时表现更突出应。关联稀有变异的效应大小相同但方向不同时，除大样本外各法效能均显著降低。总的来说，连锁不平衡参数越大，非关联变异数量越多，各方法效能更进一步降低。有方向考虑的折叠法（SSU、SSUw、aSUM）和非折叠法（C-α、SKAT_linear、SKAT_wlinear和RR）均高于无方向考虑的折叠法；高连锁不平衡时RR方法表现最优。当关联稀有变异效应权重为MAF的方差倒数时，总的来说，随着连锁不平衡参数增加非关联稀有变异个数减少，各方法效能逐渐升高。无非关联变异干扰时，w-Sum效能高于CMC；连锁不平衡参数为0和0.5时，SSUw和SKAT_wlinear效能分别高于SSU和SKAT_linear效能。
　　结论：所有的方法在各自相适宜的遗传情境下都表现出良好的性能。无方向考虑的折叠法适合简单的遗传环境，其他方法在其他较为复杂的遗传环境中仍能保持良好的性能。两种方法起到互补的作用。

目录

封面

声明

目录

中文摘要

英文摘要

1 前言

1.1 稀有变异关联性研究的发展及现状

1.2 稀有变异影响疾病表型的作用模式假设

1.3 稀有变异关联研究统计方法研究现状

1.4 本研究主要内容和研究意义

2 模型原理与方法

2.1 本研究数据结构

2.2 置换检验（permutation test）

2.3 稀有变异关联性研究方法

3 模拟研究

3.1 参数设置

3.2 模拟数据集的产生

3.3 评价指标

3.4 统计软件

4 结果

4.1 样本量为250时各类方法的一类错误和效能

4.2 样本量为500时各类方法的一类错误和效能

4.3 样本量为1000时各类方法的一类错误和效能

4.4 样本量对各种方法的影响

5 讨论

5.1 关联变异效应大小和作用方向的影响

5.2 连锁不平衡状态的影响

5.3 非关联变异数量的影响

5.4 关联变异权重的影响

5.5 样本量的影响

6 主要结论和应用建议

7 本研究的创新点与局限性

7.1 本研究创新之处

7.2 本研究不足之处及进一步研究方向

附录1 aSum、SKAT-linear、SKAT-wlinear、SSU、SSUw、Sum以及C-α方法的AssotesteR包调用和运算R程序

附录2 RR方法的RVtests包调用和运算R程序

参考文献

综述

攻读硕士学位期间发表论文

致谢