全基因组关联研究中识别基因-基因交互作用的新方法

迄今为止全基因组关联研究识别的遗传变异仅解释总遗传力的一小部分。基因-基因交互作用是未解释遗传力的一个重要潜在来源。在本论文第一部分，提出一种检测此类交互作用的新方法。该方法利用惩罚回归和稀疏估计原理，并通过基于网络的惩罚整合外部生物知识。该方法在各种情景下的模拟数据上进行了测试。模拟表明，在合理的外部生物知识下，新方法的性能明显优于当前的逐步策略，尤其是当主效应的边际强度较弱时。所提方法设计用于单队列分析。然而，人们普遍承认只有多队列分析才具有足够功效来发现对性状有中等效应的基因和基因-基因交互作用，例如可能是复杂疾病的基础。本论文第二部分开发并研究了用于惩罚回归的多队列元分析方法。具体地，我提出在多队列设置中利用数据分割原理的两种不同方式，并开发三种程序进行元分析。使用本论文第一部分开发的方法作为惩罚回归的示例，通过模拟研究将三种提出的元分析过程与mega分析进行比较。结果表明最佳方法是将参与队列分成两组。在本论文最后部分，将第一部分开发的新方法应用于Framingham心脏研究的总血浆免疫球蛋白E(IgE)浓度、C反应蛋白水平和空腹血糖的测量。