gms | German Medical Science

Genomweite Assoziationsstudien (GWAS) können Power- und Kosten-effizienter gestaltet werden, wenn eine optimale zweistufige Teststrategie, die robust gegen Missklassifikationen genetischer Modelle ist, verfolgt wird. Dabei erfolgt die Chip-basierte Genotypisierung nur in einem Teil der Gesamtstichprobe (Stufe I). Es wird markerweise das Maximum aus 3 Teststatistiken (resseziv, additiv und dominant) berechnet. Marker mit den kleinsten p-Werten werden anschließend in den restlichen Individuen genotypisiert (Stufe II) und in der Gesamtstichprobe getestet. Unter den Gesichtspunkten der Power- bzw. Kostenoptimierung sowie unter der Einhaltung des gegebenen genomweiten Signifikanzniveaus ermitteln wir den Sampleanteil für die erste Stufe und den Markeranteil für die zweite Stufe, so dass 1) die gesamten Studienkosten für eine festgelegte Power minimal bleiben oder 2) die Power bei gegebenem Budget maximal wird. Dabei verwenden wir als maximale Teststatistik das Maximum der Trendteststatistiken mit optimaler Gewichtung für ein rezessezives, additives und dominantes Modell. Die Lösungen dieser Optimierungsaufgaben erweisen sich als robust hinsichtlich des unbekannten genetischen Modells und seiner Parameter. Hingegen hängen die Ergebnisse stark von der vorliegenden Kostenstruktur ab. Je nach Kostenkonstellation können bis zu 75% Kosten gespart werden oder wesentliche Powerverlust vermieden werden, wenn zweistufig, anstatt einstufig, vorgegangen wird. Bei GWAS mit komplexen Erkrankungen, wo das genetische Modell von Marker zu Marker unterschiedlich sein kann, sind optimal-robust-zweistufige Designs besonders geeignet, weil Modellvorspezifiaktion durch die Teststatistiken hier nicht erforderlich ist.