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

Optimal-robust-zweistufige Designs für Fall-Kontroll-basierte genomweite Assoziationsstudien

Meeting Abstract

Search Medline for

  • Thuy Trang Nguyen - Phillips-Universität Marburg, Marburg
  • Helmut Schäfer - Phillips-Universität Marburg, Marburg

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. Doc09gmds157

DOI: 10.3205/09gmds157, URN: urn:nbn:de:0183-09gmds1574

Published: September 2, 2009

© 2009 Nguyen et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en). You are free: to Share – to copy, distribute and transmit the work, provided the original author and source are credited.


Outline

Text

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.