Meta-Analyse multipler Regressionsmodelle und Gen-Gen Interaktionsanalyse seltener Varianten für Next Generation Sequencing Daten

• Antragsteller: Privatdozent Dr. Tim Becker
• Fachliche Zuordnung: Epidemiologie und Medizinische Biometrie/Statistik
• Förderung: Förderung von 2007 bis 2019
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 54145271

Ziel des Projektes ist es eine Methode zur Assoziationsanalyse bei Fall-Kontroll- Studien zu entwickeln, die insbesondere bei nicht kanonischen Krankheitsmodellen und bei allelischer und Lokus-Heterogenität hohe Trennschärfe hat. Die vorgeschlagene Methode ist nicht-parametrisch, insofern keine Modellparameter geschätzt werden. Statt dessen konzentriert sich der Ansatz auf die offensichtlich biologisch relevanten Größen Allel, Genotyp und - im Gegensatz zu den meisten Standardmethoden - Diplotyp. Die Methode ist durch die Daten „gesteuert“ in dem Sinne, dass sie die globale Teststatistik durch die n „besten“ Haplo-/Diplotypen definiert, d.h., durch die n Haplo-/Diplotypen mit dem stärksten Unterschied in der Verteilung zwischen Fällen und Kontrollen. Insbesondere wird n durch die Daten definiert. Zusätzlich wird auch die Menge der relevanten Marker durch die Daten bestimmt. Die Verteilung der globalen Teststatistik wird durch Monte-Carlo- Simulationen berechnet. Die Methode soll in FAMHAP implementiert werden und in einer umfangreichen Powerstudie mit etablierten Ansätzen verglichen werden. Die Studie soll Daten des Internationalen HapMap-Projektes als Grundlage verwenden. Gen-Gen und Gen-Umweltinteraktionen sollen sowohl bei der Datensimulation als auch bei der Analyse berücksichtigt werden.

• DFG-Verfahren: Sachbeihilfen