gms | German Medical Science

Einleitung und Fragestellung: Genomweite Assoziationsstudien (GWAS) haben dazu beigetragen, dass robuste Assoziationen zwischen genetischen Markern und komplexen Phänotypen gefunden werden konnten. Aktuell werden immer größere Metaanalysen von GWAS durchgeführt, um weitere genetische Assoziationen zu entdecken. Der Anteil der erklärten phänotypischen Varianz, die mittels der genetischen Marker erklärbar ist, ist allerdings oft kleiner als auf der Basis von formalgenetischen Untersuchungen erwartet wurde. In Pütter et al. (2011) [1] untersuchten wir mittels Simulationen den Einfluss des zugrundeliegenden Studiendesigns sowie den Einfluss des wahren genetischen Modells auf die statistische Power. In diesem Vortrag erweitern wir die Betrachtung und untersuchen modellbasiert den Anteil erklärter Varianz durch die Marker.

Material und Methoden: Wir simulierten quantitative Phänotypen und erzeugten aus den Extremen der Merkmalsverteilung künstlich dichotomisierte Fall-Kontroll Daten. Die Daten wurden entsprechend mit linearer oder logistischer Regression auf ihren Zusammenhang zu einem genetischen Marker mit drei genotypischen Ausprägungen analysiert. R^2 und Nagelkerkes R^2 dienten als Schätzer der Heritabilität.

Ergebnisse: Unter Verwendung linearer Regressionsmodelle können Marker mit Effekten in den Extremen einer Merkmalsverteilung im Querschnittsdesign kaum aufgedeckt werden – auch für den Fall von zukünftigen Metaanalysen mit n=106 Personen. Im Fall-Kontroll Design ist die Entdeckung dieser Effekte mit sehr viel geringeren Fallzahlen realisierbar (siehe [1]). Für die Schätzer der Heritabilität war zu beobachten, dass Effekte in den Extremen einer Merkmalsverteilung im Querschnittsdesign kaum Einfluss auf das R^2 haben. Nagelkerkes R^2, im Fall des Fall-Kontroll Designs, ist stark von diesen Effekten beeinflusst.

Diskussion: Unsere Ergebnisse unterstützen die Idee, dass die Re-Analyse von dichotomisierten Daten zur Entdeckung weiterer genetischer Assoziationen führen kann (siehe [2]). Des Weiteren könnten solche Analysen eine Erklärung für diskrepante Ergebnisse in Querschnitts- und Fall-Kontroll Studien liefern. Bezüglich der Schätzer der Heritabilität unterstreichen unsere Beobachtungen, dass am ehesten R^2 in Querschnittstudien quantitativer Phänotypen verwendet werden sollte, da Pseudobestimmtheitsmaße wie Nagelkerkes R^2 stärker von Modellannahmen abhängen.