permutationPCA方法在病例对照关联分析中不同遗传模型下的表现

　　　【摘要】 目的 提出一种基于置换检验(permutation test)和主成分分析(PCA)的检验方法permutationPCA。探讨在病例对照关联分析中permutationPCA在不同遗传模型下的表现。方法 基于“首吸飘感”对照组数据分别模拟产生7种不同遗传模型下的病例对照基因分型数据，采用permutationPCA方法对模拟数据进行检验，并进一步用permutationPCA方法检验“首吸飘感”基因分型实际数据。结果 PermutationPCA方法对7种不同遗传模型假设下的模拟病例对照基因分型数据的检验结果差异均具有统计学意义(P均<0.05)。PermutationPCA方法对于“首吸飘感”基因分型实际数据的检验结果差异具有统计学意义(P<0.05)。结论 PermutationPCA方法对不同遗传模型假设不敏感，适用于复杂疾病关联分析中病例对照基因分型数据的研究。

　　【关键词】 关联分析;病例对照;遗传模型;主成分分析;置换检验

　　PENG Qianqian, XUE Fuzhong

　　(Institute of Epidemiology and Health Statistics, School of Public Health, Shandong University, Jinan 250012, China)

　　To propose a testing method based on Permutation test and Principle Component AnalysisPermutationPCA to explore the performance of PermutationPCA on genotyped data sets under different genetic model assumptions in a casecontrol study. Methods Based on the control data of the ‘heroininduced positive responses on the first use’ genotyped data, simulated casecontrol genotyped data sets under seven different genetic model assumptions were generated. The PermutationPCA method was used for the simulated data, and also for the real genotyped data of the ‘heroininduced positive responses on the first use′. Results The results of the PermutationPCA method under seven different genetic model assumptions were all significant(Pvalue<0.05), and the result of the PermutationPCA method on the real genotyped data set was significant (Pvalue<0.05). Conclusion The PermutationPCA method is not sensitive to different genetic model assumptions. It is applicable to casecontrol genotyped data in a complex disease gene mapping study.

　　Key words: Association study; Casecontrol; Genetic model; Principle component analysis; Permutation test 基于群体的病例对照研究是复杂疾病基因定位关联分析中常用的设计方法。以往基于群体病例对照研究设计的分析方法都是建立在标记位点(SNP)与致病基因高度连锁的基础上，即单SNP突变与疾病的关联。这类研究方法主要有χ2检验，Logistic回归模型等[1]。然而一个基因内的变异信息通常是十分丰富的，单个SNP的变异信息不足以代表整个基因的变异信息。随着基因分型技术的发展，在基因区域内同时对多个SNP进行分型成为可能，因此，发展利用基因区域内多个SNP的综合变异信息检测基因与疾病之间的关联性成为必要。本研究结合置换检验(permutation test)[2]和主成分分析(PCA)[3]提出了一种新的检验方法permutationPCA，并在7种不同遗传模型(广义遗传模型、显性模型、隐性模型、乘法模型、加法模型、共显性模型和超显性模型)[4]下，探讨了permutationPCA的表现,旨在发展一种可以利用基因内多个SNP分型数据检验基因与疾病关联性的新方法。

　　1 资料与方法

　　1.1 数据来源 ① 实际数据来源于复旦大学现代人类学教育部重点实验室的“阿片受体基因(OPRM1)与海洛因依赖关联分析”研究，结果已发表[5]。该研究将海洛因依赖的内表型“首吸飘感”作为疾病状态，确立首吸感觉舒服作为病例，感觉不舒服作为对照，采用病例-对照研究探讨OPRM1与“首吸飘感"的关联性。该数据包含病例组个体91例，对照组个体245例，对OPRM1?中9个标记SNP进行了分型，rs1799971, rs510769, rs696522, rs1381376, rs3778151, rs2075572, rs533586, rs550014, rs658156;② 模拟基因型数据是依据上述实际数据中对照组数据模拟产生。首先根据“首吸感觉不舒服组”中的5个位点基因分型数据产生模拟“对照组数据”，然后按照不同的遗传模型假设通过利用C编程设计产生“病例组数据”。

　　1.2 PermutationPCA检验方法 permutationPCA方法是一种结合permutation test和PCA的新的检验方法。该方法的步骤如下：① 对原始数据进行主成分分析。将病例组与对照组合并，病例组权重变量赋值为1，对照组权重变量赋值为0。对合并数据进行主成分分析，按照特征值≥1或累计贡献率>0.7 提取主成分。计算病例组与病例组对应各主成分的均值差;② 利用permutation test检验上述得到的病例组与对照组各主成分是否具有显著性差异。permutation test是在零假设下，即病例组与对照组来自于同一总体的假设下，利用合并的病例组与对照组数据进行重复抽样。在重复抽样过程中，每条观测数据都有均等的机会被抽到。每次重复抽样得到的病例组和对照组的样本量与原始数据相同。重复抽样次数为n(本研究中n=10?000)。对每次重复抽样得到的病例对照数据进行主成分分析，方法如第一步所示。统计原始数据得到的病例组与病例组对应各主成分的均值差≥和≤重复抽样相应结果的概率。

　　2 结 果

　　2.1 模拟数据分析结果 见表1。各遗传模型下的连锁系数矩阵均显示M1与M2以及M4与M5之间存在着较强的连锁。permutationPCA方法对不同遗传模型下的模拟病例对照基因分型数据的检验结果差异均具有统计学意义(P值均<0.05)。M2M3M4贡献率P值M2

　　2.2 实际数据的分析结果

　　2.2.1 连锁不平衡结果 见图1。SNP3(rs696522)、SNP4(rs1381376)和SNP5(rs3778151)紧密连锁，处于同一个单倍域中(单倍域1)，SNP8(rs550014)和SNP9(rs658156)之间也有较强的连锁，处于另一个单倍域中(单倍域2)。

　　Linkage phase of 9 tagSNPs in μopioid receptor gene (OPRM1)2.2.2 PermutationPCA检验结果分析 根据模拟研究的结论，PermutationPCA方法对遗传模型不敏感，故实际数据根据加性模型赋值。主成分分析的结果，见表2，以第一主成分的贡献率最大，前两个主成分的累计贡献率达到77%。PermutationPCA的检验结果显示，第一主成分在病例组与对照组的差异具有统计学意义(P=0.02)，第二主成分差异无统计学意义(P=0.18)。第一主成分中SNP3(RS696522)、SNP4(RS1381376)、SNP5(RS3778151)、SNP8(RS550014)和SNP9(RS658156)对应的特征向量的值较大，permutationPCA的分析结果提示非临近的连锁区域之间也可能存在着不同程度的关联性。第二主成分中SNP1(RS1799971)对应的特征向量元最大(0.85)，提示SNP1的线性趋势较为明显，但是该线性趋势没有病因选择趋势，即SNP1(RS1799971)与致病基因关联性可以认为很小。病例组的第一主成分均值和第二主成分均值均高于对照组，见表3。

　　3 讨 论

　　PCA是一种常用的多因子降维的统计方法，其在遗传学领域也得到广泛应用。Horne等[6]利用PCA方法寻找关联分析中组合最优化的标记SNPs，Lin等[7]则利用PCA寻找组合单体型的最优标记SNPs。在病例对照研究设计中，Oh等[8]和Gauderman等[9]提出了结合PCA和Logistic回归模型对多位点基因分型数据进行处理的方法，Zhang等[10]主要探讨了logisticPCA方法与基因连锁区域的关系以及其特点。

　　Permutation test，国内一些研究将其翻译为“置换检验”[11]，但是均难以反应permutation方法的实质。Permutation，译为“排列”，即有放回的重复抽样。延伸应用这个思想，permutation test是在总体参数未知的情况下，通过对病例对照数据重复抽样检验病例组与对照组是否具有显著差异。permutation test是一种分布自由的假设检验方法，其不必像传统检验方法如t检验，需考虑方差齐性的问题。

　　在上述研究的基础上，本研究结合permutation test和PCA提出了一种新的检验方法permutationPCA。研究结果表明，permutationPCA可以有效的利用基因内多个SNP分型数据检验基因与疾病的关联性，而且permutationPCA方法对遗传模型假设不敏感。因而permutationPCA方法适用于不同遗传模型假设下的对多个SNP分型病例对照数据的研究。这与基于基因型与基于单体型的PCA结果相近的结论一致[6]。

　　为充分反应病例组致病基因的特征，本研究采用加权的方法(即对病例组和对照组分别给以权重1和0)，使主成分的提取以病例组为依据，而对照组的各主成分回归方程与病例组一致，这样病例组与对照组的各主成分具有可比性，且充分考虑了病例组标记位点与致病基因关联性的效应，提高了PermutationPCA的检验效能。

　　PermutationPCA方法也存在不足之处。①由于PCA是基于线性模型的分析，所以只能检验多个SNP之间的线性关联;②permutation test是一种非参的方法，其运算量较大。针对上述存在的两个问题，仍需进一步探索可以充分获取多个SNP关联信息的方法以及利用主成分构造参数检验统计量的方法，完善适用于不同遗传模型的利用基因内多个SNP分型数据检验基因与疾病关联性的统计方法。

　　(致谢：复旦大学现代人类学教育部重点实验室的张丹丹博士为本研究提供实际验证数据，特此感谢。)

　　【参考文献】

　　[1] Balding D J. A tutorial on statistical methods for population association studies[J]. Nat Rev Genet, 2006, 7(10):781791.

　　[2]曾邦伟，陆芳，蔡强，等. Permutation tests在生物医学研究中的应用以及在SAS中的实现[J]. 中国卫生统计，2008，25(1)：8485，88.

　　[3] Hotelling H. Analysis of a complex of statistical variables into principal components[J]. J Educ Psychol, 1933, 24:417441.

　　[4] Lewis C M. Genetic association studies: design, analysis and interpretation[J]. Brief Bioinform, 2002, 3(2):146153.

　　[5] Zhang D, Shao C, Shao M, et al. Effect of muopioid receptor gene polymorphisms on heroininduced subjective responses in a Chinese population[J]. Biol Psychiatry, 2007, 61(11):12441251.

　　[6] Horne B D, Carlquist J F, CannonAlbright L A, et al. Highresolution characterization of linkage disequilibrium structure and selection of tagging single nucleotide polymorphisms: application to the cholesteryl ester transfer protein gene[J]. Ann Hum Genet, 2006, 70(Pt 4):524534.

　　[7] Lin Z, Altman R B. Finding haplotype tagging SNPs by use of principal components analysis[J]. Am J Hum Genet, 2004, 75(5):850861.

　　[8] Oh S, Park T. Association tests based on the principalcomponent analysis[J]. BMC Proc, 2007, 1 Suppl 1:S130.

　　[9] Gauderman W J, Murcray C, Gilliland F, et al. Testing association between disease and multiple SNPs in a candidate gene[J]. Genet Epidemiol, 2007, 31(5):383395.

　　[10] Zhang F, Wagener D. An approach to incorporate linkage disequilibrium structure into genomic association analysis[J]. Genet Genomics, 2008, 35(6):381385.

　　[11] 荀鹏程，赵杨，易洪刚，等. Permutation Test在假设检验中的应用[J]. 数理统计与管理，2006，25(5)：616621. (编辑：刘霞)