Revista de Proteómica y Bioinformática
Acceso abierto

abstracto

Realización de estudios de asociación de todo el genoma: Escenarios de epistasis

Philip Cooley, Nathan Gaddis, Ralph Folsom y Diane Wagener

Este artículo investiga escenarios epistáticos en un contexto de estudios de asociación de todo el genoma (GWAS) utilizando un modelo de asociación cualitativo, para evaluar los modelos estadísticos que predicen de forma fiable las asociaciones entre un fenotipo cualitativo (es decir, un diagnóstico de enfermedad) y un par de genes que interactúan. Empleamos el concepto de riesgo relativo, que es la proporción de la probabilidad de un diagnóstico positivo dado un genotipo mutado dividida por la probabilidad sin riesgo presente.

Utilizamos un enfoque de simulación basado en Monte Carlo para generar datos sintéticos correspondientes a una variedad de posibles modelos epistáticos (EM). Nuestro método tuvo en cuenta la fuerza de la asociación, la prevalencia de la enfermedad en poblaciones sin riesgo y, lo que es más importante, los patrones de herencia de los genes epistáticos. Analizamos los datos de genes simulados para evaluar cómo estos factores individuales influyeron en el poder estadístico en el contexto de GWAS.

El uso de datos simulados proporciona dos ventajas distintas. En primer lugar, los factores que afectan a la asociación se aíslan y se pueden vincular al locus afectado. En segundo lugar, podemos utilizar cualquier método estadístico específico para realizar la evaluación. El conjunto de datos simulados proporciona un conjunto real para evaluar el efecto de la elección del método estadístico en la sensibilidad de la asociación y destaca el papel de los errores en el diagnóstico de enfermedades y las asignaciones incorrectas de genotipos.

Los resultados indican que los métodos estadísticos más poderosos para predecir asociaciones entre fenotipos y genotipos, en escenarios epistáticos, son modelos estadísticos que prueban simultáneamente las asociaciones que involucran a ambos loci que interactúan. Este resultado no es sorprendente y ha sido informado por otros. Los modelos de dos genes producen mejores predicciones de asociación que los modelos de un solo gen. La importancia de este estudio es doble: en primer lugar, incorpora nuevos métodos estadísticos recientes como parte del análisis de comparación y, en segundo lugar, documenta hasta qué punto los modelos de un solo gen fallan en predecir asociaciones, involucrando genes que interactúan con fenotipos construidos para asociarse con bajo riesgo.