Μεθοδολογία γενετικής επιδημιολογίας και μετα-ανάλυσης γενετικών δεδομένων

Abstract

Genetic epidemiology is the fusion of traditional epidemiology with genetics, in which epidemiological methods are applied in order to uncover the potential role of genetic variants in the aetiology of disease. The continuously increasing number of published genetic epidemiology studies warrants the need for collecting and synthesizing the available evidence providing a quantitative overall estimate, a procedure known as meta-analysis. Meta-analysis can be broadly defined as the quantitative review and synthesis of the results of related but independent studies.Firstly, tools for robust analysis and meta-analysis in genome-wide association studies using Stata were developed. Both standard Cochran-Armitage trend tests as well as the most widely used robust methods, namely MERT, MAX and MIN2 were implemented. GWAR is implemented as an ado file for Stata 12 or higher, as well as a web-server available in www.compgen.org/tools/GWAR.Subsequently, a simple and efficient summary-based method for performing a meta-analysis was proposed to account for the case when both a family-based and a population-based case-control study are conducted within the same population, using the same or largely overlapping, set of cases. The key point, contrary to the methods presented earlier that need individual data, is the calculation of the covariance between the study estimates (log-Odds Ratios), using only data derived from the literature in the form of a 2x2 contingency table. Afterwards, the studies can be combined either in a two-step procedure using traditional methods for univariate meta-analysis or in a single-step approach using hierarchical models.One of our major goals was to develop a method for the simultaneous meta-analysis of two or more multiple outcomes in genetic association studies. The model we propose is a direct extension of the bivariate meta-analysis method of genetic association studies to account for both discrete and continuous multiple outcomes. The innovation of the method is that we provide formulas for the calculation of the within-studies covariances. There is no need for individual patient data. An extension of the aforementioned approach, holds when more than one outcomes are reported in a particular study as well as genes with multiple alleles and thus a more complex multivariate framework of meta-analysis was presented. Finally, another distinct research area that we applied the multivariate methodology of meta-analysis, involves the development of a novel multivariate method and software for meta-analysis and comparison of two or more diagnostic tests. The method allows the direct calculation of sensitivity and specificity, as well as, the area under curve (AUC) and the parameters of the Summary Receiver Operator’s Characteristic (SROC) curve, along with the means for a formal comparison of these quantities for different tests. The proposed methodology was evaluated with simulation studies and was approximately unbiased with greater power compared with the standard bivariate approach.

Η γενετική επιδημιολογία αποτελεί τη συνένωση της κλασσικής επιδημιολογίας με τη γενετική. Σε αυτό το χώρο εφαρμόζονται οι κλασσικές επιδημιολογικές μέθοδοι έτσι ώστε να διαλευκανθεί η πιθανή επίδραση της γενετικής ποικιλομορφίας στην αιτιολογία της νόσου. Ο συνεχώς αυξανόμενος αριθμός δημοσιευμένων μελετών γενετικής συσχέτισης καθιστά επιτακτική τη συλλογή και το συνδυασμό της διαθέσιμης πληροφορίας μέσω μια στατιστικής διαδικασίας γνωστής ως μετα-ανάλυση. Η μετα-ανάλυση είναι μια ποσοτική ανασκόπηση και σύνθεση των αποτελεσμάτων που προκύπτουν από σχετιζόμενες αλλά και ανεξάρτητες μεταξύ τους μελέτες.Σε πρώτη φάση, αναπτύχθηκαν εργαλεία για την robust (στιβαρή) ανάλυση και μετα-ανάλυση ευρυγονιδιωματικών μελετών χρησιμοποιώντας το στατιστικό πακέτο Stata. Υλοποιήσαμε τόσο τους κλασσικούς ελέγχους Cochran-Armitage trend tests καθώς επίσης και τις ευρέως χρησιμοποιούμενες robust προσεγγίσεις, MERT, MAX και MIN2. Η εντολή GWAR υλοποιήθηκε σαν ado file για Stata 12 ή μεγαλύτερη έκδοση αυτής, καθώς επίσης και σαν διαδικτυακή εφαρμογή που βρίσκεται στην ιστοσελίδα www.compgen.org/tools/GWAR.Ακολούθως, προτάθηκε μια απλή μέθοδος μετα-ανάλυσης συνοπτικών δεδομένων για την περίπτωση όπου πραγματοποιείται ταυτόχρονα στον ίδιο πληθυσμό μια μελέτη ασθενών-μαρτύρων σε οικογένειες και σε πληθυσμούς με τους ίδιους ή επικαλυπτόμενους ασθενείς. Το σημείο κλειδί, σε αντίθεση με τις υπάρχουσες μεθοδολογίες που χρησιμοποιούν ατομικά δεδομένα, αποτελεί ο υπολογισμός της συνδιακύμανσης των εκτιμήσεων των μελετών, χρησιμοποιώντας μόνο τα δεδομένα που υπάρχουν στη βιβλιογραφία με τη μορφή ενός 2x2 πίνακα συνάφειας. Ακολούθως, οι μελέτες μπορούν να συνδυαστούν είτε μέσω μιας διαδικασίας δυο βημάτων χρησιμοποιώντας κλασσικές μεθοδολογίες μετα-ανάλυσης είτε με ένα βήμα με ιεραρχικά μοντέλα. Επιπρόσθετα, ένας από τους κύριους άξονες της παρούσας διδακτορικής διατριβής, ήταν η ανάπτυξη μεθοδολογίας για την ταυτόχρονη μετα-ανάλυση μελετών γενετικής συσχέτισης που να περιλαμβάνουν δύο ή περισσότερες εκβάσεις. Η μέθοδος που προτάθηκε αποτελεί μια απευθείας επέκταση της διμεταβλητής μεθόδου μετα-ανάλυσης μελετών γενετικής συσχέτισης τόσο για συνεχείς όσο και για διακριτές εκβάσεις. Η καινοτομία της μεθόδου έγκειται στο ότι παρέχουμε αναλυτικές εκφράσεις για τον υπολογισμό των εντός των μελετών συνδιακυμάνσεων. Η μέθοδος είναι γρήγορη και μπορεί να επεκταθεί για περισσότερες από δύο εκβάσεις. Δεν απαιτούνται ατομικά δεδομένα ή η ταυτόχρονη εκτίμηση παραμέτρων και για τις δυο εκβάσεις. Επέκταση της προαναφερθείσας μεθοδολογίας, αποτελεί η περίπτωση όπου υπάρχουν μελέτες με περισσότερες από μια εκβάσεις και γονίδια με πολλαπλά αλληλομόρφα και έτσι παρουσιάστηκε ένα πιο σύνθετο σχήμα πολυμεταβλητής μεθοδολογίας μετα-ανάλυσης. Τέλος, ένα άλλο πεδίο που εφαρμόστηκε η πολυμεταβλητή μεθοδολογία μετα- ανάλυσης, περιλαμβάνει την ανάπτυξη πρωτότυπης μεθοδολογίας και λογισμικού για την ταυτόχρονη διενέργεια μετα-ανάλυσης η οποία συγκρίνει, δύο ή περισσότερες διαγνωστικές δοκιμασίες. Με τη μέθοδο αυτή, επιτρέπεται ο απευθείας υπολογισμός της ευαισθησίας, της ειδικότητας και της επιφάνειας κάτω από την καμπύλη ROC (Area Under the Curve-AUC) των διαγνωστικών δοκιμασιών, καθώς επίσης είναι δυνατές και οι άμεσες συγκρίσεις των παραμέτρων αυτών. Η προτεινόμενη μεθοδολογία αξιολογήθηκε μέσω μελετών προσομοίωσης και βρέθηκε ότι είναι αμερόληπτη αλλά και πιο ισχυρή από την κλασική μέθοδο.