候选基因关联研究的统计分析方法.pdfVIP

中国卫生统计 2017 年 2 月第 34 卷第 1 期 · 181 · 候选基因关联研究的统计分析方法* 哈尔滨医科大学卫生统计学教研室( 150081) 肖 纯 史晓雯 刘芸良 张 奇 刘 艳△ 随着新一代测序技术的发展及全基因组关联研究 将多个表型变量合并为一个综合得分的传统方法，其 ( genome-wide association study，GWAS) 策略的推广， 原理为: 设有 m 个表型变量，n 个基因型变量，采用适 复杂性疾病基因关联研究涉及的 SNP 位点逐渐增 当的统计学方法( 线性回归或逻辑回归) 分别对 n 个 加［1］，且资料收集的逐渐完善促使描述疾病结局相关 基因型变量与 m 个表型变量进行关联性分析，得到 m ［2］ 的指标增多，使样本信息多元化 。 个 P 值( P1 ，P2 ，…，Pm ) 。将这 m 个 P 值增序排列，利用 所谓候选基因关联研究是根据已有的生理、生化 me p j 统计量 PT = Min( ) 将 m 个 P 值合并为一个基于 背景知识或现有的研究结果( 例如连锁分析的结果或 mej 表达产物的功能) 提示某段基因序列的变异可能与表 表型特征的综合 P 值。其中 me 表示 m 个独立 P 值中有 型的变异有关来确定待研究的基因，也就是候选基 统计学意义的 P 值个数; mej 表示排名前 j 位的 P 值中 ［3］ 因 。假设所选基因本身就是影响表型变异的主基 有统计学意义的 P 值个数，j 的范围为 1 到 m，p j 为第 j 因，同时借助基因扩增等实验技术，采用病例对照设计 位上的 P 值大小。其中 mej 的计算是通过对 P 值的 m × 方法来比较病例组与对照组候选基因的组间差异，以 j ［4］ m 相关矩阵特征值的校正而实现: mej = j － ∑I( λi － 此来确定候选基因与表型变异是否存在关联 ，有利 i = 1 于探索复杂性疾病的致病基因，样本易收集且能检出 1) 。其中 λi 表示第 i 位上的特征值; I( λi － 1) 为校正函 ［5 － 6］ 基因的主效应及微效基因的作用 。目前针对候选 数，当 λi ≤1 时其值为0，当 λi ＞ 1 时，