研究基因与环境交互作用的样本量确定

在流行病学中经常进行交互作用或效应修正的研究,但是这些研究的效能以及如何确定所需样本量是值得关注的问题.以前在进行基因与环境交互作用病例对照研究时,把环境因素作为分类变量,遗传因素作为二分变量,阐述确定研究效能和所需的样本量的方法.Hwang等人用Smith PG公式计算了二分环境暴露和二分遗传因素的样本量,Foppa和Spiegelman将环境暴露分为多个等级,但这些研究的结果都是二分事件变量,如某种疾病的发生.     

配对病例对照研究基因与基因交互作用样本量的确定

目的 采用配对病例对照研究探讨基因与基因交互作用所需的样本量。方法 logistic回归分析原理建立两基因与一种疾病相关性模型,以模拟参数值回代计算样本量,计算过程以QUANTO软件完成。结果(1)基因交互作用越大,所需样本量越少;基因型分布频率P_r为35％(相当于显性遗传模型易感基因频率等于0.20、阴性遗传模型易感基因频率等于0.60)时,基因交互作用的样本量最少:如两基因主作用均为2,基因交互作用为2时样本量为700例;基因交互作用为5时样本量为200例。(2)探讨基因主作用与探讨基因交互作用所需的样本量不同。结论 提供了可供查阅的两基因交互作用样本含量值。     

几种基因—环境、基因—基因交互作用研究方法的样本量比较

基因 -环境和基因 -基因交互作用在疾病发病中的作用日益引起人们的注意 ,相应的流行病学研究也逐渐增多。本文对三种基因 -环境和基因 -基因交互作用研究方法的样本量进行了比较 ,这三种方法分别是配比病例 -对照研究、病例 -同胞研究和病例 -父母研究。1　研究方法简介1 .1　配比 -病例对照研究 ( matched case- controlstudy)　病例和对照来源于同一人群 ,对照是未患所研究疾病的个体且与病例在匹配因素上保持一致 ,每个样本单位包含一个病例和 m个对照 ,m=1时称为配对 ( pair matching)。这种方法可以排除匹配因素的干扰。在研究遗传因…     

探讨易感基因与疾病关系不同设计方法所需样本量的比较

目的：在探讨基因与疾病关系的研究中比较不同设计所需的样本量。方法：依据logistic回归估计相对危险性值的原理，以模拟参数值回代计算样本量，计算过程以QUANTO软件完成。结果：(1)在基因间存在交互作用时，人群中基因易感性频率(Pr)大于20％，四种设计方法因样本量低于1000，可行性较大，以Pr为35％时样本量最小：病例一父母设计为首选，单纯病例设计仅可用于基因间交互作用的初筛，但不能分析基因的主作用。(2)基因间不存在交互作用时，首选病例一对照设计。结论：两基因交互作用研究所需样本量的大小取决于不同的研究设计。     

多因子降维法分析基因与环境因素交互作用的研究

目的探讨多因子降维法（multifactor dimensionality reduction,MDR）在筛选糖尿病的基因与环境危险因素交互作用时的用法以及MDR的优缺点,并与传统的Logistic回归做比较。方法通过模拟研究确定MDR所适用的样本量大小,实例分析采用针对糖尿病的病例对照研究数据,分别用MDR方法、Logistic回归进行分析,将两种结果进行对比进而对两种方法作出评价。结果模拟实验结果表明MDR在分析1阶交互作用时效能不如Logistic回归,但随着样本量的增大,两种检测方法效能趋于一致;在分析高阶交互作用时,MDR所表现出的效能高于Logistic回归,而且在分析2阶交互作用中,样本量200时MDR已经表现良好,当样本量为300时,MDR显示了微弱的优势。实例分析中MDR的最优模型为174G/C和是否总胆固醇和总甘油三酯同时偏高之间的交互作用,预测准确率为0.5822,交叉验证一致性为8/10,置换检验有统计学意义（P=0.021）。结论 MDR在分析小样本、高维度数据中表现良好,可有效的分析糖尿病基因与环境的交互作用。     

复杂疾病病因研究中基因问交互作用分析:基于基因型传递不平衡的多因子降维法

介绍复杂疾病病因研究中分析基因-基因交互作用的一种新方法：基于基因型传递不平衡的多因子降维法（MDR-PDT）。文中简述MDR-PDT的基本原理、步骤及特点，并结合研究实例说明其应用过程。MDR-PDT是原始MDR的扩展，可用于多种结构类型的核心家系资料分析基因-基因交互作用。结论MDR-PDT具有非参数、无需遗传模式的特点，并能充分利用家系中多个家庭成员的信息，在复杂疾病病因研究中分析基因-基因交互作用具有良好的效能。     

应用多因子降维法分析基因-基因交互作用

目的介绍在遗传流行病学病例对照研究中,应用多因子降维法（MDR）分析基因-基因交互作用.方法简述MDR的基本步骤、原理及其特点,并结合研究实例说明在病例对照研究中如何应用软件进行MDR分析.结果相对于传统的统计学方法,MDR是一种无参数、无遗传模式的分析交互作用的方法,理论和实例研究均表明其分析交互作用具有较好的效能,目前已成功应用于散发性乳腺癌、心房颤动和原发性高血压等疾病的研究.结论 MDR能够应用于病例对照研究进行基因-基因交互作用的分析,且具有较传统的统计学分析方法无法比拟的优势.     

基于模型的多因子降维方法在基因-基因/环境交互作用分析中的应用

介绍一种基于模型的多因子降维方法(MB-MDR),并通过实例说明其分析流程及其在基因-基因/环境交互作用分析中的应用。结果显示该方法可用于原始样本量较小的资料研究,同时也能解决许多经典MDR方法的不足;与其他MDR扩展方法相比,在探索交互作用方面具有更高的统计效能,并已成功应用于膀胱癌、湿疹等研究。MB-MDR能够处理二元性状和数量性状,并可在模型中调整因子的边际效应和混杂因子,与其他非参数方法相比具有一定优势。因此MB-MDR在基因-基因/环境交互作用分析中具有较好的应用前景。     

基因与疾病研究的样本量计算方法

随着基因谱的建立，遗传因素与疾病发生关系的研究已经进入了广泛探索的阶段。其中仅有约5％的疾病属于基因缺陷性遗传所致，绝大部分疾病的发生与基因的易感性有关。如肿瘤、心脑血管疾病属于多因素所致的疾病，已有的研究资料表明，多个(种)易感基因参与发病。充分利用临床病例进行相关研究，发现有关的易感基因，将会把疾病的防治引入新的领域。但基因研究的资金投入大，因此确定研究设计和样本量非常重要。本文就设计类型和样本量的计算方法作简要介绍。     

叉生分析在复杂疾病基因-基因、基因-环境交互作用研究中的应用

目的 探讨叉生分析在复杂疾病基因-基因、基因-环境交互作用研究中的应用及其意义.方法 应用叉生分析对病例对照研究的糖尿病数据进行基因-基因、基因-环境交互作用分析结果 交互作用的分析依赖于对相加或相乘模型的选择.本文中相加模型与相乘模型的交互作用结果均具有统计学意义,根据交互作用模型选择原则,本文结果适合应用相加模型进行解释.基于相加模型的ENPP1基因K121Q（rs1044498）与饮酒交互作用具有统计学意义（OR=4.01,S=17.22,AP=0.71,P〈0.05）,与家族史交互作用也具有统计学意义（OR=5.14,S=7.43,AP=0.69,P〈0.05）;174G/C与572C/G两基因交互作用具有统计学意义（OR=5.12,S=5.40,AP=0.65,P〈0.05）结论 叉生分析不仅可以分析基因-环境的交互作用,同样可以分析基因-基因的交互作用.而且叉生分析结果简单明了,通过SAS、R等统计软件都可实现叉生分析的分析过程和假设检验过程.并且可以非常直观地呈现绝大部分的流行病学中基本单元的信息,可为我们判断交互作用提供基本的理论依据因此叉生分析在复杂疾病的基因-基因、基因-环境交互作用研究中具有广阔的应用前景.     

CYP2E1基因多态性与环境因素在胃癌发生中的交互作用

目的探讨CYP2E1基因多态性与环境因素在胃癌发生中的交互作用.方法采用1:1配对病例-对照研究方法,2003-2004年对南京地区121例原发性胃癌病例进行环境危险因素调查,并对CYP2E1基因多态性进行分析,筛选胃癌发生的环境及遗传危险因素,根据交互作用系数(γ,γ=βeg/βe)判断交互作用存在与否以及不同的基因-环境作用类型.结果CYP2E1 RsaⅠ基因多态性与消化系统疾病家族史、吸烟、食用腌制食品、三餐不定时等4项环境危险因素间存在一定的交互作用,交互作用系数分别为1.855、2.626、1.736、1.714;CYP2E1 RsaⅠ基因多态性与食用腌制食品及三餐不定时间的交互作用分别呈现低暴露-基因效应(low exposure-gene effect,LEG效应)、高暴露-基因效应(high exposure-gene effect,HEG效应).结论胃癌的发生是环境及遗传危险因素综合作用的结果.CYP2E1基因多态性与环境危险因素的暴露在胃癌发生中存在一定的交互作用.     

应用广义多因子降维法分析数量性状的交互作用

介绍广义多因子降维法(GMDR)在交互作用分析,尤其是数量性状的基因-基因交互作用分析中的应用.文中简述GMDR的原理、基本步骤及其特点,并结合实例说明如何在研究中对GMDR进行应用.GMDR是无模型的交互作用分析方法,能够处理连续型结局变量,还可纳入协变量改善预测准确率,目前已成功应用于尼古丁依赖等疾病的研究.GMDR能够处理多种样本类型和结局变量类型,与其他连续变量交互作用分析方法相比具有一定优势.     

代谢酶基因多态性与环境暴露交互作用的分析方法及其应用

目的 以肿瘤易感基因谷胱苷肽-S转硫酶（GST）M1缺失基因型为例,说明基因与环境暴露交互作用的分析方法以及应用。方法 采用社区为基础的病例对照研究方法,代谢酶基因多态性的检测用PCR技术,资料分析用多因素logistic回归模型。研究对象为1997年1月至1998年12月经扬中市人民医院确诊,肠型胃癌病例112例,以同期该地无上消化道肿瘤“健康”人群为对照,共675例。结果 调整混杂因素后,GST M1缺失基因型与既往吸烟史的交互作用系数为3.38,OReg值达8.40,有极显著意义,为4型交互作用中的超相乘模型;GST M1缺失基因型与吸烟量的交互作用呈高暴露-基因效应,交互作用系数分别为0.995、2.085和2.157,即随着暴露剂量增加,交互作用强度也逐渐增加;与饮酒量呈低暴露-基因效应,交互作用系数分别为1.01和0.97,交互作用强度随暴露剂量增加而逐渐降低。结论 基于logistic模型的分析方法,可用于评价基因-环境之间的交互作用,以及剂量反应关系的暴露基因效应。     

基因-环境交互作用与疾病风险预测模型研究进展

慢性非传染性疾病，如肿瘤、心血管疾病、阿兹海默症等，是由遗传因素和环境因素共同作用导致的。在对这类复杂疾病进行风险预测时，若单纯考虑遗传因素或环境因素的贡献往往是不够的，基因-环境的交互作用在其中发挥了重要的作用。针对基因-环境交互作用的研究，需要考虑到多个方面的因素，本文简要介绍这类研究的设计、方法以及经典案例，为未来研究者开展此类研究提供借鉴和帮助。     

采用多因子降维法分析血浆硒水平与D12S304位点与大骨节病发病的交互作用

目的采用多因子降维法分析血浆硒水平与D12S304位点的交互作用,研究其与大骨节病发病的关系。方法采用病例—对照设计分析组间血浆硒水平及D12S304位点基因型在组间的差异,采用多因子降维法分析两者的交互作用。结果病例组血浆硒水平低于对照组,而组间基因型无差别,且未发现血浆硒与基因型之间存在交互作用。结论血浆硒与D12S304位点之间暂未发现交互作用,可能需要扩大样本量或选择其它位点进一步探索基因-环境相互作用在大骨节病发生中的机制。     

强直性脊柱炎FcRL基因与环境暴露因素交互作用研究

目的 研究强直性脊柱炎(AS)中环境因素与FcRL基因的交互作用.方法 对169例AS患者环境因素进行调查,PCR-SSP技术检测HLA-B27亚型,连接酶检测反应方法检测FcRL3、FcRL5基因SNP位点,采用单纯病例研究方法就AS基因与环境交互作用进行研究.结果 本次研究中169例AS病人HLA-B27共检测出B * 2704、B*2705、B* 2710、B*2702和B*2715 五个亚型;FcRL3基因中rs7522061位点与饮食偏咸存在交互作用,与其他环境因素无交互作用;FcRL5基因中rs12036228位点只与饮食偏咸因素存在交互作用;FcRL5基因rs6427384位点分别与饮酒和饮食偏咸有交互作用.结论 饮食偏咸可能作为环境风险因素与易感基因FcRL5共同作用增加AS的发病风险;适度饮酒可能减低FcRL5基因(rs6427384)诱发AS的危险性;FcRL3基因(rs7522061)在存在饮食偏咸因素时起到效应修饰作用,增加疾病风险.     

危险度评价中的非传统病例-对照研究

近年来,复杂性疾病(complex disorder)的致病基因及其与环境的交互作用(interaction)已成为病因学研究的热点问题.病例-对照研究(case-control study)通过比较大量病人与种族相似、无关联的对照中变异等位基因的频率来评估基因、环境,及其交互作用与疾病的关联.由于这种方法易于实施而且对于基因定位非常有用,因而在分析遗传性疾病时发挥了重要的作用.     

两整体基因交互作用的核典型相关分析

目的基于核典型相关分析,研究两整体基因的交互作用。方法通过统计模拟实验,在基于群体的病例对照研究中,运用核典型相关分析,构建FTO基因和PRDM16基因交互作用的KCCU统计量,并进行检验与评价。结果 KCCU统计量的检验效能与检验水准、样本含量、最小等位基因频率有关,且两整体基因交互作用量越大时,检验效能越高。当检验水准为0.05,基因频率高于0.05,交互作用OR>1.5,样本量>5000时,KCCU检验效能达0.8以上。结论在大样本高交互研究中,KCCU统计量是一种科学有效的检验整体基因间交互作用的统计推断方法。     

北方农村地区居民常见慢性非传染性疾病的家系队列研究进展

家系队列研究是一种特殊的队列研究方法,以家系为单位收集研究对象的生物样本和环境暴露信息,并进行随访,为探索复杂性疾病病因研究中遗传、环境、基因-基因和基因-环境交互作用提供重要资源。本文将对“北方农村地区居民常见慢性非传染性疾病的家系队列研究”的目标、方法、初步结果、机遇与挑战进行简单介绍。     

联邦学习在多中心遗传健康指数构建中的应用进展

个体健康指数是根据健康指数构建的一个重要维度。而遗传因素是个体健康水平评估的重要组成部分。众所周知，复杂疾病不遵循孟德尔遗传定律，其受多个效应微小基因位点影响。多基因风险评分（polygenic risk score，PRS）是近年来被广泛应用的个体遗传因素评分。PRS可以综合与疾病相关的基因位点，从而对复杂疾病实现风险预测和精准预防。但是种族的不平衡问题会影响多基因风险评分的泛化能力。而充分整合多个数据中心的数据可以有效增加不同种族样本量从而减轻不平衡性，是缩小种族之间健康差距的重要方法。随着人们对数据隐私安全和所有权的关注度不断提高，如何在保护数据隐私的前提下充分利用各个数据中心的数据资源和计算资源引起了越来越多学者的重视。而基因组数据的独特性使个体基因组数据的隐私保护变得格外重要。本文将讨论多中心基因组数据分析中的隐私保护方法，包括同态加密、安全多方计算、Meta分析、联邦学习、同态加密与联邦学习的结合。进而讨论联邦学习框架下多中心PRS构造的统计方法。