SKAT與懲罰回歸模型聯(lián)合分析策略在遺傳關(guān)聯(lián)研究中的應(yīng)用.pdf

1、背景：
　　全基因組關(guān)聯(lián)研究(Genome-Wide Association Studies，GWAS)成功鑒定出許多與人類各種疾病關(guān)聯(lián)的常見遺傳變異，但能解釋的疾病遺傳風(fēng)險(xiǎn)比例仍然很低。稀有變異由于在人類進(jìn)化過程中通常新近發(fā)生，尚未經(jīng)受選擇壓力，更傾向于包含功能性致病位點(diǎn)。隨著近年來二代測序技術(shù)的快速發(fā)展，涌現(xiàn)出大量含稀有變異的遺傳關(guān)聯(lián)研究數(shù)據(jù)；然而稀有變異在人群中頻率很低，導(dǎo)致常規(guī)統(tǒng)計(jì)方法效能低下，給統(tǒng)計(jì)分析方法的發(fā)展帶來新的

2、挑戰(zhàn)。
　　早期的基因組關(guān)聯(lián)分析中，單遺傳變異關(guān)聯(lián)性檢驗(yàn)受限于多重校正后的顯著性水平，要求較為苛刻，效能極低。考慮到大部分疾病相關(guān)基因里存在多個(gè)有潛在功能的遺傳變異，特別是稀有變異，將基因內(nèi)變異聚集以增加其效應(yīng)的負(fù)擔(dān)檢驗(yàn)是處理稀有變異較為常用的一種分析策略。另一方面，以SKAT(sequence Kernel associationtest)為代表的基于個(gè)體間遺傳變異相似性的方差分量檢驗(yàn)成功地解決了遺傳變異間存在的連鎖不平衡及基因

3、內(nèi)變異效應(yīng)方向不同等問題。但SKAT僅針對(duì)單個(gè)基因或者感興趣區(qū)域（Region ofInterest，ROI）內(nèi)遺傳變異進(jìn)行分析，忽略了其他基因或基因外圍所包括的信息。
　　基因組遺傳關(guān)聯(lián)數(shù)據(jù)呈現(xiàn)高維狀態(tài)，噪音大，共線性嚴(yán)重，在傳統(tǒng)最小二乘與似然估計(jì)基礎(chǔ)上引入懲罰函數(shù)是解決此類問題的有效工具之一。1996年Tibshirani提出基于懲罰思想的LASSO（least absolute shrinkage and selection

4、 operator）。Zou等在2005年提出將嶺估計(jì)和LASSO凸結(jié)合，稱為“彈性網(wǎng)（Elastic Net）”。2009年和2012年 Breheny等和 Huang等進(jìn)一步提出兩水平懲罰模型cMCP（composite Minimax Concave Penalty）和Gel（The group exponential lasso）,在基因和遺傳變異兩個(gè)水平上進(jìn)行變量選擇，但其理論和應(yīng)用仍需進(jìn)一步研究。
　　由于基于基因或R

5、OI的SKAT法只在組水平上進(jìn)行統(tǒng)計(jì)推斷，而無法估計(jì)單個(gè)變異的效應(yīng)，而常規(guī)懲罰模型（LASSO和EN）雖可估計(jì)變異效應(yīng)，但不做統(tǒng)計(jì)推斷，因此本研究提出兩階段聯(lián)合分析策略，將SKAT與LASSO和EN聯(lián)合應(yīng)用，優(yōu)勢互補(bǔ)，并與成組懲罰模型進(jìn)行比較，評(píng)價(jià)各類方法及策略的性能，為遺傳關(guān)聯(lián)研究提供方法學(xué)選擇的依據(jù)和指導(dǎo)。
　　方法：
　　本研究統(tǒng)計(jì)方法選用SKAT，LASSO，EN三種方法、兩階段聯(lián)合應(yīng)用策略（SKAT+EN，SKAT

6、+LASSO，EN+SKAT，LASSO+SKAT）及兩水平懲罰模型（cMCP，Gel），比較它們?cè)诨蚪M關(guān)聯(lián)分析、候選基因關(guān)聯(lián)分析研究中的應(yīng)用性能，并將研究方法應(yīng)用于lncRNA H19，HOTAIR，MALAT1和MEG3與肝癌的病例對(duì)照遺傳關(guān)聯(lián)研究實(shí)例，以說明各類方法的實(shí)際應(yīng)用。
　　在基因組關(guān)聯(lián)分析中，模擬數(shù)據(jù)源自遺傳分析工作組18（Genetic Analysis Workshop18，GAW18），共包括849個(gè)個(gè)體，

7、以50次模擬舒張壓作為結(jié)局變量，選取第3號(hào)染色體的遺傳變異數(shù)據(jù)（含1141個(gè)基因的532092個(gè)SNPs）作為自變量；評(píng)價(jià)指標(biāo)主要有靈敏、和特異度、約登指數(shù)、選出率、相關(guān)關(guān)系的P值與相關(guān)系數(shù)
　　在候選基因關(guān)聯(lián)分析中，仍采用GAW18數(shù)據(jù)，以849個(gè)個(gè)體的200次模擬舒張壓作為結(jié)局變量，以模擬數(shù)據(jù)集中與舒張壓實(shí)際關(guān)聯(lián)的35個(gè)基因119個(gè)SNPs作為自變量，評(píng)價(jià)各類方法的效能；以與這些基因完全無關(guān)聯(lián)的聯(lián)系性狀Q1做為結(jié)局變量，評(píng)價(jià)各

8、類方法的I類錯(cuò)誤。評(píng)價(jià)指標(biāo)在基因組關(guān)聯(lián)分析指標(biāo)的基礎(chǔ)上增加了絕對(duì)誤差與相對(duì)誤差。
　　實(shí)證研究中，采用本課題組在廣東順德地區(qū)人群中研究lncRNA H19，HOTAIR，MALAT1和MEG3與肝癌關(guān)聯(lián)的病例對(duì)照數(shù)據(jù)，共包含604病例和614對(duì)照的4個(gè)基因共15個(gè)SNPs的信息。
　　結(jié)果：
　　1.基因組關(guān)聯(lián)研究結(jié)果顯示，在基因水平上評(píng)價(jià)，SKAT的平均靈敏度最高，為0.595；SKAT+LASSO的特異度最高，平均

9、值為0.906。SKAT的約登指數(shù)最高，為0.112，其次是SKAT+EN，為0.086。在SNP水平上。EN靈敏度最高，SKAT+LASSO特異度最高，EN+SKAT的約登指數(shù)最高，為0.016。對(duì)舒張壓效應(yīng)貢獻(xiàn)最大的實(shí)際關(guān)聯(lián)基因MAP4在各種統(tǒng)計(jì)分析策略的選出率均為最高，值與基因內(nèi)的SNPs數(shù)和對(duì)DBP的解釋方差比例存在一定的統(tǒng)計(jì)學(xué)關(guān)聯(lián)。選出次數(shù)最多的SNP為48040283與47957996，位點(diǎn)均屬于MAP4，效應(yīng)真值分別為-6

10、.22與-4.64，效應(yīng)強(qiáng)度排名分別為第1與第5。
　　2.候選基因關(guān)聯(lián)分析中，在基因水平上，EN的效能最高，為0.638；其次為LASSO，為0.616；SKAT及其聯(lián)合策略的I類錯(cuò)誤最低。在SNP水平上EN效能最高，其次為LASSO。SKAT+EN與SKAT+LASSO的I類錯(cuò)誤最低。此外，無論是基因水平還是SNP水平，EN+SKAT的效能雖然略低于EN法與LASSO法，但是在一類錯(cuò)誤上遠(yuǎn)低于二者。MAP4是各模型選出率最高的

11、基因，選出率與基因包含SNPs個(gè)數(shù)、解釋方差比例存在一定的統(tǒng)計(jì)學(xué)關(guān)聯(lián)。效應(yīng)真值位列前3的SNPs在各模型中的選出率均屬前列，選出率與MAF值、效應(yīng)真值普遍不存在統(tǒng)計(jì)學(xué)關(guān)聯(lián)，但與解釋的方差比例存在關(guān)聯(lián)。不同統(tǒng)計(jì)策略的絕對(duì)誤差與相對(duì)誤差和 MAF值與方差解釋比例之間并無相關(guān)關(guān)系，而絕對(duì)誤差與系數(shù)真值均存在相關(guān)關(guān)系
　　3.lncRNA與肝癌病例對(duì)照遺傳關(guān)聯(lián)研究結(jié)果顯示，傳統(tǒng)的logistic回歸僅在單因素分析時(shí)挖掘到rs1511912

12、49可能與肝癌存在關(guān)聯(lián)，SKAT沒有得到有統(tǒng)計(jì)關(guān)聯(lián)的基因，而EN和LASSO分別篩選出11和10個(gè)與肝癌關(guān)聯(lián)的SNPs，其中包含rs151191249。
　　結(jié)論：
　　1.在樣本量不足900人的基因組關(guān)聯(lián)研究中，EN+SKAT結(jié)合的兩階段統(tǒng)計(jì)分析策略能夠從數(shù)百萬SNP中把與疾病關(guān)聯(lián)度較高的基因和SNP篩選出
　　來，該策略靈敏度較高，同時(shí)假陽性錯(cuò)誤的概率較低，為復(fù)雜性狀基因組關(guān)聯(lián)研究提供了一種有效的統(tǒng)計(jì)分析策略。