gms | German Medical Science

54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

07. bis 10.09.2009, Essen

Artikel

Artikel empfehlen

Genome-wide Interaction Analysis Guided by A Priori Information

Meeting Abstract

Suche in Medline nach

  • Tim Becker - Institut für Biometrie, Medizinische Informatik und Epidemiologie, Bonn
  • Christine Herold - Institut für Biometrie, Medizinische Informatik und Epidemiologie, Bonn

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. 54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds). Essen, 07.-10.09.2009. Düsseldorf: German Medical Science GMS Publishing House; 2009. Doc09gmds142

doi: 10.3205/09gmds142, urn:nbn:de:0183-09gmds1423

Veröffentlicht: 2. September 2009

© 2009 Becker et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielfältigt, verbreitet und öffentlich zugänglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.

Gliederung

Text

Complex diseases are caused by interacting genetic and environmental factors. Due to computational burden, genome-wide association studies (GWAS) are typically limited to single-marker analysis. We present an approach for genome-wide interaction analysis that overcomes the computational issue by prioritizing SNPs for interaction analysis using a priori information. Sources of information can be biological relevance (gene location, function class ...) or statistical evidence (single marker association at a moderate level). We present a respective software product that implements different approaches to joint analysis of multiple SNPs (full modelling of marginal and interaction effects, as well as explicit testing for interaction with a log-linear model). The software implements various methods to account for multiple testing and to judge genome-wide significance. In particular, genome-wide Monte-Carlo simulations are feasible. We present the results from an application to a GWAS.