Evaluation of methods for meta-analysis of genetic linkage studies for complex diseases and application to genome scans for asthma and adult height

Kopplungsgenomscans für genetisch komplexe Krankheiten haben mit den bislang üblichen Fallzahlen oft nur eine geringe statistische Power, daher sind Meta-Analysen von mehreren Genomscans für die gleiche Krankheit ein erfolgversprechender Ansatz. Passende Datensätze werden zunehmend verfügbar, da weltweit viele Gruppen genetische Studien zu den häufigsten Krankheiten durchführen. Ziel dieser Arbeit ist es, statistische Methoden der Meta-Analyse weiter zu entwickeln und zu evaluieren. Weiterhin werden zwei Meta-Analysen von Genomscans für komplexe Phänotypen, Asthma und Körpergröße, durchgeführt. Im ersten Teil dieser Dissertation wird ein Überblick über aktuelle Anwendungen und bisherige statistische Methoden gegeben. Eine neue Methode für Meta-Analysen von genetischen Kopplungsgenomscans, die auf einer gewichteten Kombination von nicht-parametrischen Kopplungsstatistiken basiert, wird vorgestellt. Ihr Zusammenhang mit herkömmlicher „fixed-effects“ Meta-Analyse für Parameterschätzer wird erläutert. In einer Simulationsstudie wurde die statistische Power verschiedener Meta-Analyse Methoden für multipoint Kopplungsergebnisse verglichen. Dabei wurden die Methode nach Fisher zur Kombination von p-Werten (Fisher 1932), die „truncated product method“ (Zaykin et al. 2002, eine Variante von Fishers Methode), die Genome Search Meta-Analysis Methode (GSMA, Wise et al. 1999) und die vorgeschlagenen Gewichtungsmethoden angewandt. Insbesondere wurden die Einflüsse unterschiedlicher genetischer Marker und Fallzahlen zwischen Genomscans untersucht. Die Gewichtungsmethoden berücksichtigen diese Unterschiede explizit und haben eine höhere statistische Power in den untersuchten Szenarien als die anderen Methoden. Die vorgeschlagene Meta-Analyse Methode wurde auf vier Kopplungsscans und fünf Studien einer Kandidatengenregion für den Phänotyp Asthma angewandt. Zunächst wurden nicht-parametrische multipoint Kopplungsanalysen der Einzelstudien durchgeführt und die Einzel-Teststatistiken dann mit verschiedenen Gewichtungsmethoden zu einer Gesamtstatistik zusammengefasst. Für eine Meta-Analyse von Kopplungsstudien benötigt man die relative genetische Position aller in den verschiedenen Studien verwendeten Marker zueinander. Die Bedeutung von Ungenauigkeiten der genetischen Karte wurde daher in dieser Studie untersucht. Die neuesten Versionen der zur Verfügung stehenden kombinierten physikalischen und genetischen Karten sind sehr präzise und die möglicherweise noch enthaltenen geringen Fehler haben keinen relevanten Einfluss auf eine Meta-Analyse. Die Meta-Analyse der neun Asthma-Studien ergab keine signifikanten Hinweise auf Kopplung. Die relativ geringe Gesamtstichprobengröße ist ein möglicher Grund für geringe statistische Power zur Identifikation von Suszeptibilitätsgenen für die genetisch komplexe Krankheit Asthma. Welche statistischen Methoden für eine Meta-Analyse verwendet werden können, hängt stark von den zur Verfügung stehenden Daten ab, insbesondere welche weiteren Informationen neben den üblicherweise berichteten Teststatistiken vorhanden sind. Für die Meta-Analyse von Kopplungsgenomscans des Phänotyps Körpergröße standen nur LOD scores aus Varianzkomponentenanalysen zur Verfügung, welche Signifikanzmaße, nicht aber Effektstärkenschätzer sind. Daher wurden die Methode nach Fisher und eine gewichtete sowie ungewichtete Variante der Inversen-Normalverteilungsmethode angewandt. Zunächst wurde ein Kopplungsgenomscan dieses quantitativen Merkmals in den erweiterten Stammbäumen der Framingham Heart Study durchgeführt. Eine Kopplungsanalyse mit Varianzkomponentenverfahren ergab in dieser für Körpergröße nicht speziell ausgewählten Stichprobe Kopplung zu mehreren genetischen Regionen. Alle Marker, die in dieser Auswertung einen LOD score (Kopplungsteststatistik) größer als 1 zeigen entsprechen schon früher berichteten Kopplungsregionen, darunter Chromosom 6q mit einem maximalen LOD score von 2,45 und Regionen auf den Chromsomen 9, 12, 14, 18 und 22. Auf Grund dieser Beobachtung wurde eine Meta-Analyse aller publizierten Genomscans für Körpergröße geplant. Die Ergebnisse von 17 Stichproben (aus sieben Veröffentlichungen) mit insgesamt mehr als 14000 phänotypisierten und genotypisierten Personen konnten in die Meta-Analyse einbezogen werden. Der Vergleich der Ergebnisse der Meta-Analyse mit denen der Einzelstudien zeigt, dass nur eine formale Meta-Analyse die Hinweise auf Kopplung genau quantifizieren kann und einer ungenauen Einteilung der Ergebnisse im Sinne einer Replikation oder Nicht-Replikation vorzuziehen ist. Signifikante Kopplung von Körpergröße ergibt sich zu den Chromosomen 6, 7, 9 und 12 (mit Gesamt-LOD scores >4) und Hinweise auf Kopplung mit LOD scores >2 finden sich in sechs weiteren genetischen Regionen. Schließlich werden Kandidatengene in den Kopplungsregionen diskutiert.