A Functional Approach to Testing Overall Effect of Interaction Between DNA Methylation and SNPs

Technische Zusammenfassung: Ein funktionaler Ansatz zur Untersuchung des Gesamteffekts der Interaktion zwischen DNA-Methylierung und SNPs

Problemstellung
Aktuelle Methoden zur Untersuchung des Zusammenspiels zwischen DNA-Methylierung und Einzelnukleotid-Polymorphismen (SNPs) stützen sich typischerweise auf ad-hoc-basierte, paarweise Testverfahren. Diese Ansätze beinhalten die Auswahl spezifischer Paare von CpG-Stellen und SNPs basierend auf einem festen genomischen Distanzschwellenwert, das Anpassen separater linearer Modelle für jedes Paar und die Anwendung von Korrekturen für multiples Testen (z. B. Bonferroni oder FDR). Die Autoren identifizieren zwei primäre Limitationen dieser Standardpraxis:

1. Statistische Power und Fehlerkontrolle: Die Notwendigkeit, eine massive Anzahl individueller Tests durchzuführen, erschwert die Kontrolle der Typ-I-Fehlerraten und führt häufig zu einem signifikanten Verlust an statistischer Power.
2. Vernachlässigung der räumlichen Struktur: Diese Methoden berücksichtigen nicht die inhärente räumliche Korrelationsstruktur der DNA-Methylierungswerte, bei der Messungen an benachbarten genomischen Positionen dazu neigen, hoch korreliert zu sein. Indem sie die Methylierung als diskrete Punkte statt als kontinuierliches Profil behandeln, könnten bestehende Methoden breitere Interaktionsmuster übersehen.

Methodik
Das Paper schlägt einen Rahmen der funktionalen Datenanalyse (FDA) vor, um die Gesamtsignifikanz der Interaktion zwischen DNA-Methylierungsprofilen und einer Gruppe von SNPs auf einen quantitativen Phänotyp zu testen.

• Datendarstellung:

  • DNA-Methylierung: Anstatt die DNA-Methylierung an diskreten CpG-Stellen als skalare Variablen zu behandeln, modellieren die Autoren das Methylierungsprofil als eine glatte, kontinuierliche Kurve $\Pi_i(t)$ über eine genomische Region $G$. Dies wird durch die Anwendung von Kernel-Glättung (speziell unter Verwendung einer Standardnormaldichtekernel mit einer adaptiven Bandbreite) auf die Rohschätzungen der Methylierung erreicht.
  • SNPs: SNP-Daten werden als skalare Prädiktoren $G_{id}$ behandelt, die an spezifischen genomischen Positionen $u_d$ lokalisiert sind.

• Das vorgeschlagene Modell:
  Die Autoren formulieren ein Scalar-on-Function-Regressionsmodell, das einen Interaktionsterm zwischen der funktionalen Methylierungskurve und den skalaren SNP-Variablen enthält. Das Modell ist definiert als:
  $$Y_i = \zeta_0 + \sum_{s=1}^S \zeta_s W_{is} + \sum_{d=1}^D \alpha_d G_{id} + \int_0^1 \delta(t)\Pi_i(t)dt + \sum_{d=1}^D \eta_d G_{id} \int_0^1 \psi_\rho(|t - u_d|)\Pi_i(t)dt + \varepsilon_i$$
  Wesentliche Komponenten sind:

  • $\delta(t)$: Ein funktionaler Koeffizient, der den Haupteffekt der Methylierung darstellt.
  • $\eta_d$: Regressionskoeffizienten, welche die Interaktion zwischen der Methylierung und dem $d$-ten SNP quantifizieren.
  • $\psi_\rho(|t - u_d|)$: Eine nicht-monoton fallende Gewichtungsfunktion (z. B. exponentiell, konkav oder linear), die die Interaktion basierend auf der Distanz zwischen der SNP-Position $u_d$ und der Methylierungsposition $t$ moduliert. Dies ermöglicht es dem Modell, die gesamte Methylierungskurve zu berücksichtigen, wobei Regionen, die näher am SNP liegen, stärker gewichtet werden. Der Parameter $\rho$ steuert das Ausmaß dieser Interaktion.

• Schätzung und Inferenz:

  • Schätzung: Das Modell wird mittels eines penalisierten Spline-Ansatzes (B-Splines) für den funktionalen Koeffizienten $\delta(t)$ geschätzt. Der Glättungsparameter wird als Varianzkomponente behandelt, und das Modell wird als lineares gemischtes Modell unter Verwendung von Restricted Maximum Likelihood (REML) angepasst.
  • Hypothesentest: Um die Gesamtsignifikanz der Interaktion zu testen, schlagen die Autoren eine Wald-Typ-Statistik ($T_D$) vor, um die Nullhypothese $H_0: \eta_d = 0$ für alle $d$ zu prüfen. Unter der Nullhypothese folgt diese Statistik asymptotisch einer F-Verteilung.

Wesentliche Beiträge

1. Funktionale Modellierung von Interaktionen: Das Paper führt einen neuartigen Rahmen ein, der die DNA-Methylierung als funktionalen Prädiktor behandelt und damit die biologische Realität der räumlichen Korrelation der Daten natürlich integriert.
2. Globaler Interaktionstest: Im Gegensatz zu paarweisen Ansätzen bietet diese Methode einen einzelnen Test für den Gesamteffekt der Interaktionen zwischen einer Menge von SNPs und dem Methylierungsprofil, wodurch die Belastung durch multiples Testen vermieden wird, die mit dem Testen tausender einzelner CpG-SNP-Paare verbunden ist.
3. Flexible Gewichtung: Die Einbeziehung einer abstimmbaren Gewichtungsfunktion $\psi_\rho$ erlaubt es Forschern, die räumliche Skala der Interaktion (lokal vs. regional) zu spezifizieren, ohne Datenpunkte außerhalb eines festen Schwellenwerts willkürlich zu verwerfen.

Ergebnisse

• Simulationsstudien:

  • Typ-I-Fehler: Umfangreiche Simulationen unter der Nullhypothese (keine Interaktion) zeigten, dass der vorgeschlagene Test die Typ-I-Fehlerraten über verschiedene Stichprobengrößen ($N=200, 400$) und verschiedene Spezifikationen der Gewichtungsfunktion $\psi_\rho$ und des Parameters $\rho$ effektiv kontrolliert.
  • Statistische Power: Unter der Alternativhypothese zeigte die Methode eine gesteigerte empirische Power im Vergleich zu bestehenden paarweisen Methoden, insbesondere wenn mehrere Interaktionen vorhanden waren. Die Power stieg mit größeren Stichproben und stärkeren Interaktionskoeffizienten.
  • Robustheit: Die Methode erwies sich als robust gegenüber der Fehlspezifikation des Parameters $\rho$ und der parametrischen Form von $\psi_\rho$, wobei nur geringfügige Verluste in der Power beobachtet wurden, wenn der wahre Parameterwert vom Testwert abwich.
  • Simulation mit Realdaten: Simulationen unter Verwendung von Residuen aus Realdaten (die einer Mischung aus Normalverteilungen folgten) bestätigten, dass die Kontrolle des Typ-I-Fehlers auch dann aufrechterhalten wird, wenn die Fehlerterme von einer einzelnen Normalverteilung abweichen.

• Anwendung auf Realdaten:
  Die Methode wurde auf einen Adipositas-Datensatz (GSE73103) angewendet, der 355 Individuen, 52 mit Adipositas assoziierte SNPs und DNA-Methylierungsdaten aus dem Illumina 450K-Array umfasst.

  • Die Analyse konzentrierte sich auf Chromosom 1 unter Verwendung von 5 bekannten mit Adipositas assoziierten SNPs und ca. 24.000 CpG-Stellen.
  • Der vorgeschlagene Test detektierte eine signifikante Interaktion zwischen Adipositas-assoziierten SNPs und DNA-Methylierungsprofilen, unabhängig von der parametrischen Form von $\psi_\rho$ oder dem Wert von $\rho$.
  • Vergleich: Im Vergleich zur bestehenden paarweisen Methode (LintestSNPCpG) in Simulationsszenarien basierend auf diesen Realdaten demonstrierte der vorgeschlagene funktionale Ansatz eine überlegene empirische Power, insbesondere in Szenarien, die Interaktionen zwischen einem SNP und mehreren CpGs (20, 50 oder 100 Stellen) beinhalten.

Bedeutung und Behauptungen
Die Autoren behaupten, dass ihr funktionaler Ansatz eine flexible und leistungsfähige Alternative zum traditionellen paarweisen Testen in epigenetischen Studien darstellt. Durch die Modellierung der DNA-Methylierung als kontinuierliche Kurve erfasst die Methode die biologische Realität der räumlichen Korrelation und reduziert die Dimensionalität des Problems, was zu einer besseren Kontrolle der Typ-I-Fehler führt und eine höhere statistische Power ermöglicht.

Die Autoren merken bescheiden an, dass die Methode die Spezifikation der Gewichtungsfunktion und des Parameters $\rho$ erfordert, weisen jedoch darauf hin, dass Simulationsergebnisse andeuten, dass die Methode robust gegenüber diesen Entscheidungen ist und Leitlinien für die Auswahl bietet (kleines $\rho$ für große genomische Regionen, großes $\rho$ für lokale Interaktionen).

Die Autoren räumen ein, dass die Methode hinsichtlich der Skalierbarkeit auf genomweite Analysen, bei denen die Anzahl der SNPs die Anzahl der Proben übersteigt, Grenzen hat, und legen nahe, dass die Methode am besten für Kandidatengen- oder Regionalanalysen geeignet ist. Sie schlagen vor, dass zukünftige Arbeiten sich auf die Integration von Dimensionsreduktionstechniken oder Regularisierung konzentrieren sollten, um hochdimensionale SNP-Sets zu handhaben. Die Methode ist im R-Paket funInterMethSNP implementiert, was die Reproduzierbarkeit und Anwendung in diversen Forschungsumfeldern erleichtert.