C-PATu :一种合并家庭遗传信息的遗传印记检验方法

越来越多的研究显示一个个体的同源染色体(或相应的一对等位基因)因分别来自其父方或母方,而出现功能上的差异,因此当它们其一发生改变时,所形成的表型也有不同,这种现象称为遗传印记。对于二等位基因标记位点,C-PAT (combined parental-asymmetry test)方法是一种检验效能较高的检验定性性状遗传印记效应的方法。但是,该方法只利用了核心家庭中患病小孩的信息,而无法利用正常小孩的信息。

香港大学统计及精算学系冯荣锦教授与南方医科大学、上海复旦大学等处的研究人员合作提出了新的检验方法PATU (parental-asymmetry test with both parents by incorporating unaffected children)该方法将核心家庭中所有患病小孩与正常小孩的信息合并到检验中来。当父、母中有一人的基因型缺失时,提出了1-PATu (parental-asymmetry test with one parent by incorporating unaffected children)检验方法。将PATU与1-PATU方法进行合并,作者构造出C-PAT。经统计,C-PATu方法既适用于父、母亲基因型都不缺失的家庭数据又适用于父、母中有一人的基因型缺失的家庭数据。模拟研究显示C-PATu统计量在无遗传印记的零假设下能很好地控制犯第Ⅰ类错误的概率;当遗传印记效应存在时,C-PATU统计量的检验效能比现有检验方法的检验效能要高很多。将C-PATu方法运用到Framingham心血管疾病数据,其结果进一步验证了新方法的优势。该研究发表在2012年《Journal of Human Genetics》杂志上。

参考文献:

A powerful parent-of-origin effects test for qualitative traits  incorporating control children in nuclear families.JiYuan Zhou,et al.Journal of Human Genetics.2012

作者简介

冯荣锦:香港大学统计及精算学系教授、英国皇家统计学会院士、国际统计学会(ISI)院士。主要研究方向:统计学上的异常点(outlier)及强影响点(influential observation)。

胡跃清:复旦大学生物统计学研究所教授。主要研究方向:利用和发展统计学方法和模型研究遗传流行病的病理机制,父源效应检测,复杂疾病基因定位,全基因组关联分析,基因拷贝数变异相关问题研究,DNA混合物的量化研究和相关统计软件编制。