復(fù)雜疾病的遺傳學(xué)研究研究設(shè)計與統(tǒng)計分析方法PPT課件

《復(fù)雜疾病的遺傳學(xué)研究研究設(shè)計與統(tǒng)計分析方法PPT課件》由會員分享，可在線閱讀，更多相關(guān)《復(fù)雜疾病的遺傳學(xué)研究研究設(shè)計與統(tǒng)計分析方法PPT課件（46頁珍藏版）》請在裝配圖網(wǎng)上搜索。

復(fù)雜疾病的遺傳學(xué)研究研究設(shè)計與統(tǒng)計分析方法,內(nèi) 容,概述 研究設(shè)計方法 統(tǒng)計分析方法 分析實例,概 述,疾病的分類,隨著人類基因組計劃的完成和后基因組計劃的開展，人們對于疾病的認識也越來越深入。已有的研究結(jié)果發(fā)現(xiàn)人類疾病都與基因受損有關(guān)，因此提出了基因病-人類疾病的新概念。由此提出將人類疾病分為三種類型。 第一類是單基因病。僅由單個基因DNA序列某個堿基對的改變就造成疾病，并且可以把這樣的改變傳遞給后代。如血友病A、白化病等。,第二類是多基因病（復(fù)雜性疾?。?。這類疾病的發(fā)生涉及兩個以上基因的結(jié)構(gòu)或表達調(diào)控的改變，主要指慢性非傳染性疾病，如腫瘤、高血壓、冠心病、糖尿病、哮喘病、骨質(zhì)疏松癥、神經(jīng)性疾病、原發(fā)性癲癇等。 第三類為獲得性基因病。主要是傳染病由病原微生物通過感染將其基因入侵到宿主基因引起。如HIV。,復(fù)雜性疾病的特征,Genetic Heterogeneity（遺傳異質(zhì)性） Gene-Gene and Gene-Environment Interaction（基因基因，基因環(huán)境的交互作用) Incomplete Penetrance（不完全外顯性） Phenocopy（擬表型） Pleiotropy（多效性）,研究設(shè)計方法,,,,,,患病家系成員設(shè)計,優(yōu)點: 具有明顯的孟德爾遺傳特點。 遺傳方式確定（常顯、常隱或X連鎖）。 缺點: 如果指定的遺傳方式不正確，可能導(dǎo)致錯誤的結(jié)論。 難以收集到家系全部人員。,患病家系成員設(shè)計,患病同胞對設(shè)計,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,患病同胞對,表型不一致同胞對,,,,患病同胞對設(shè)計,優(yōu)點: 可以進行非參數(shù)統(tǒng)計分析。 研究對象相對容易收集。 缺點: 檢驗效能相對較低 樣本量要求較大,患病先證者核心家系設(shè)計,,,,,,,,,,,,,優(yōu)點: 可以進行非參數(shù)統(tǒng)計分析。 研究對象相對容易收集。 缺點: 統(tǒng)計分析時僅僅雜合子的雙親可以有效利用。 對于遲發(fā)性疾病難以收集到雙親資料。,患病先證者核心家系設(shè)計,雙生子研究設(shè)計 通過比較在相似或不同環(huán)境中成長起來的同卵雙生子及異卵雙生子某一疾病或性狀發(fā)生的一致性，來判斷遺傳與環(huán)境因素的作用。 養(yǎng)子研究設(shè)計 通過比較、分析養(yǎng)子與其同胞及生身父母某疾病或性狀的相似性和與其寄養(yǎng)同胞或養(yǎng)父母的相似性，研究在某種疾病或性狀發(fā)生中遺傳因素與環(huán)境因素相對作用的大小。,家系研究中其它研究設(shè)計方法,半同胞研究設(shè)計 是指同父異母或同母異父的兄弟姐妹。根據(jù)半同胞中所研究疾病的患病情況，可分析疾病或遺傳性狀來自父方或母方。,,病例對照研究設(shè)計,優(yōu)點: 相對容易收集到資料。 投入少，產(chǎn)出高。 缺點: 由于存在連鎖不平衡和種群分層， 容易導(dǎo)致假陽性或假陰性。,病例對照研究設(shè)計,背 景 1994年P(guān)iegorseh、Begs等提出 遺傳與環(huán)境的關(guān)系 交互作用,單純病例研究,應(yīng)用前提條件 在正常人群中基因型與環(huán)境暴露各自獨立發(fā)生， 所研究疾病為罕見病。,衍生的研究設(shè)計方法,研究示意圖,單純病例研究,環(huán)境暴露,基因型,病人,,+,-,+,-,+,-,,,,,,,統(tǒng)計分析方法,表型與基因型常規(guī)統(tǒng)計分析 病例-父母三結(jié)構(gòu)資料的TDT分析 同胞數(shù)據(jù)SDT分析 以家系為基礎(chǔ)的關(guān)聯(lián)分析 (FBAT) 交互作用分析 連鎖分析 單體型分析 全基因組關(guān)聯(lián)分析 ……,統(tǒng)計分析方法,分析基因型與表型的關(guān)系，也就是比較不同基因型的研究對象的表型是否存在差異，如基因型不同，表型也顯著不同，則表示兩者有關(guān)。 表型為連續(xù)型變量的基因型之間比較可用t-檢驗、方差分析、 GEE等統(tǒng)計方法。 表型為分類型變量的基因型之間比較可用卡方檢驗、GEE等統(tǒng)計方法。,表型與基因型常規(guī)統(tǒng)計分析,交互作用的統(tǒng)計方法包括參數(shù)法和非參數(shù)法。 參數(shù)法 線性回歸和Logistic回歸模型。 非參數(shù)法（主要是數(shù)據(jù)挖掘方法）。 (1)降維法；多因子降維法。 (2)基于樹的方法；分類回歸樹和隨機森林法。 (3)模式識別法；包括神經(jīng)網(wǎng)絡(luò)、支持向量機。 (4)貝葉斯法：貝葉斯上位效應(yīng)關(guān)聯(lián)圖譜。 參數(shù)法和非參數(shù)法分析交互作用時各有優(yōu)缺點; 低維數(shù)據(jù)的分析可采用參數(shù)法和非參數(shù)法, 高維數(shù)據(jù)的分析則主要采用非參數(shù)法，,交互作用的統(tǒng)計分析方法,以吸煙與飲酒兩個兩分類變量為例，它們有四種可能的組合（如下表）:,我們可以形成一個四分類的變量，再用四個二分類變量X00、X01、X10、X11指示這四組，形成回歸方程：,回歸分析法,方程I：f(Y)= β0+β1X10+β2X01+β3X11 β1是吸煙不飲酒組與不吸煙不飲酒組的差，β2是不吸煙但飲酒組與不吸煙不飲酒組的差，β3是吸煙又飲酒組與不吸煙不飲酒組的差。 方程II：f(Y)=β0+βaalcohol+βssmoke+βsasmoke*alcohol 回歸系數(shù)的βs不能簡單地解釋為吸煙的作用，而應(yīng)確切地說是對不飲酒者吸煙的作用（等于方程I的β1）。βa不能簡單地解釋為飲酒的作用，而應(yīng)確切地說是對不吸煙者飲酒的作用（等于方程I的β2），因為βs、βa、β0 三者間有相互依賴的關(guān)系。,回歸分析法,方程I與方程II是等同的，方程I中的β3 等于方程II中的βa+βs+βsa 。方程I和II都有3個自變量(自由度)，都沒有假定βsa等于零，又稱為飽和（Saturated）模型。從方程II中我們可以觀察βsa是否顯著。如果我們假定吸煙與飲酒無交互作用，βsa等于零，則方程II變?yōu)椋?方程III：f(Y)= β0+βaalcohol+βssmoke 只用βa、βs來擬合這四組，如果得到的似然數(shù)與方程I（II）沒有顯著差別，表明βsa是多余的，或者說βsa與零無顯著性差異，吸煙與飲酒對f(Y)無交互作用。反之，吸煙與飲酒對f(Y)有交互作用。,回歸分析法,上面講了交互作用的兩種檢驗方法： 方法I：模型中乘積項回歸系數(shù)的檢驗（又稱WALD TEST）。如上例βsa的檢驗，如顯著表示有交互作用； 方法II：似然比檢驗（Log likelihood ratio test），具體方法為： 計算卡方值：X2=2*（LL1-LL2）。如上例，LL1表示從方程I（或II）得出的似然對數(shù)；LL2表示從方程III得出的似然對數(shù)。 計算自由度差。如上例，方程I（或II）有3個自變量，方程III只有2個自變量，差為1。 按卡方檢驗，得出P值。 一般來說，似然比檢驗效率高于回歸系數(shù)的檢驗。,回歸分析法,優(yōu)點: (1) 分析某個自變量的效應(yīng)時, 可以同時控制多個協(xié)變量的影響; (2) 可以處理自變量對因變量的非線性效應(yīng); (3) 可以在模型中引入交互作用項; (4) 回歸系數(shù)的可解釋性。 缺點: (1) 維度困擾的問題。維度困擾是指樣本量有限而自變量較多(高維數(shù)據(jù)) 時, 分析交互作用時會使得觀測數(shù)相對于自變量數(shù)過少, 數(shù)據(jù)分布在高維稀疏的列聯(lián)表中, 此時維度困擾的問題會導(dǎo)致Logistic 回歸模型中參數(shù)估計的錯誤, 或使回歸系數(shù)的標準誤過大, 從而導(dǎo)致I類錯誤或II類錯誤增加。(2)自變量之間的相關(guān)性會導(dǎo)致不同的建模策略( 前進法或后退法) , 并得到不同的結(jié)果。(3)Logistic 回歸不能很好地解決遺傳異質(zhì)性的問題。,Logistic回歸分析,多因子降維法（multifactor dimensionality reduction, MDR）是2001年發(fā)展出的一種非參數(shù)、無需遺傳模式的高階交互作用分析方法，在2007年又提出了一種基于MDR基本原理的擴展方法——廣義多因子降維法(generalized multifactor dimensionality reduction，GMDR)，又稱基于計分的多因子降維法(score-based MDR)。該法可以通過將廣義線性模型的概念引人到MDR中，使其不但能夠分析連續(xù)變量，且能夠納入?yún)f(xié)變量，從而控制協(xié)變量引起的干擾，提高預(yù)測的準確度。其主要特點：①分析的基因表型和校正因素不限于離散型變量，也可以是連續(xù)型變量；②可應(yīng)用于多種數(shù)據(jù)結(jié)構(gòu)(病例對照資料、人群隨機抽樣樣本或其他類型樣本)；③結(jié)合GMDR software軟件，可識別多個位點或環(huán)境因素之間的交互作用。,基本原理 GMDR是對原始MDR的擴展，其基本原理包括計分統(tǒng)計量(score statistic)和交叉驗證(cross validation）。 計分統(tǒng)計量：通過計算每個個體的計分統(tǒng)計量均值是否超過某個設(shè)定標準(例如大于或等于1)，分別標記為“高危”或“低?！?，單元格因此被分為2類，形成一維兩水平的模型。 交叉驗證（Cross validation）：隨機方式產(chǎn)生十等份幾乎相同的數(shù)據(jù)子集，每次用十份中的九份作為訓(xùn)練樣本，另一份稱為留存數(shù)據(jù)（held-out data）作為測試樣本，當(dāng)十次全部完成后再將十次所得的平均絕對誤差求均值，即為研究的預(yù)測誤差。,GMDR軟件：目前最新的GMDR軟件(版本beta 0．7)是基于Java程序編寫的源代碼開放的免費軟件, http://www.healthsystem.virginia.edu/intemet/addiction.genomics/Software/免費下載). 文件類型：GMDR能夠識別的文件包括三種，分別為標記文件(marker file)，協(xié)變量與表型文件(covariate&phenotype file)以及計分文件(score file)。三者均為文本文件。 結(jié)果輸出:每個單元格的顏色由單元格的計分決定，藍色為計分超過設(shè)定值，黃色為未超過設(shè)定值，白色表示單元格內(nèi)沒有數(shù)據(jù)。單元格中的左側(cè)條帶表示正計分之和，右側(cè)條帶表示負計分之和。,優(yōu)點: (1) 在單個SNP位點缺乏主效應(yīng)時, 可以同時檢測位點間的交互作用; (2) 將研究中的多因子組合以疾病易感性的方式分為高危和低危, 把高維結(jié)構(gòu)降低到一維兩水平, 降低了建模所需的自由度, 從而可以分析多個位點間的高階交互作用；(3)GMDR能有效識別無主效應(yīng)但具有交互作用的功能性SNP 位點; 存在5% 以下的基因分型錯誤和5% 的缺失數(shù)據(jù)時, 對降低GMDR的檢驗效能影響很小, 說明GMDR具有一定的穩(wěn)健性。 缺點: (1)如果使用窮盡搜索的方式檢測最佳n因子組合, 由于該搜索方式非常耗時, GMDR只能用于分析中小規(guī)模預(yù)測變量數(shù)的交互作用, 而不能用于處理大規(guī)模數(shù)據(jù)(如全基因組關(guān)聯(lián)研究的多個位點) 。(2)當(dāng)數(shù)據(jù)中存在遺傳異質(zhì)性和擬表型時, GMDR的檢驗效能大大降低 。(3)GMDR將基因型組合簡單地根據(jù)病例與對照的比值分為高風(fēng)險組和低風(fēng)險組, 當(dāng)某種組合中病例數(shù)和對照數(shù)的比值接近于全部觀測數(shù)據(jù)中的比值, 或者該組合中病例數(shù)和對照數(shù)都很少時, GMDR很容易發(fā)生分類錯誤, 導(dǎo)致假陽性率或假陰性率增高; 另外, 有些n因子組合的n維列聯(lián)表的觀測數(shù)可能為零, 此時就很難準確地將該組合歸類為高風(fēng)險組或是低風(fēng)險組。,GMDR分析,FBAT既適應(yīng)于定性資料又適應(yīng)于定量資料，并且可以先對表型變量經(jīng)有關(guān)混雜因素進行調(diào)整，將調(diào)整后的殘差值或校正值放入FBAT程序中進行分析，這樣得到的結(jié)果就是經(jīng)過混雜因素調(diào)整后的關(guān)聯(lián)分析的結(jié)果。FBAT適用于各種類型的家系結(jié)構(gòu)。有父母雙親、只有單親、雙親均無、一個同胞、多個同胞的家系都可混合在一起應(yīng)用，有效避免人群分層影響。 軟件：http://www.hsph.harvard.edu/fbat/default.html,FBAT 分析 (Family-Based Association Test),原理：FBAT以核心家系為單位計算每個核心家系數(shù)的基因型（X）的分布概率與統(tǒng)計量“S”（統(tǒng)計量S是表型T與基因型X的乘積），然后累加各核心家系的統(tǒng)計量S及S的方差與協(xié)方差，進行卡方檢驗。,#fmy：進入分析的核心家系數(shù)。 S：表示實際觀察值，S＝X*G，X表示表型值，G表示基因型。即S等于表型值與基因型的乘積。 E(s)：表示期望值，E(s)＝E(x)*G, E(x)表示期望的表型值，G表示基因型。即E(x)等于期望的表型值與基因型的乘積。 Var(s): 表示S的變異 Z：表示FBAT的統(tǒng)計值，Z＝S-E(S)/[Var(s)]2 , 由此來判斷P值的大小。 P：表示統(tǒng)計概率，以P<0.05的水平來判斷是統(tǒng)計結(jié)果否具有顯著性。,分析實例,Pharmacogenetics and Genomics 2009, 19:345–352,Gene–gene interactions of CYP2A6 and MAOA polymorphisms on smoking behavior in Chinese male population,交互作用分析實例,北京大學(xué)學(xué)報（醫(yī)學(xué)版）2003：35（4）:377－381,Tumor necrosis factor-alpha gene G308A polymorphism is associated with the risk of preterm delivery,FBAT分析實例,謝謝,