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

Résumé Technique : Une approche fonctionnelle pour tester l'effet global de l'interaction entre la méthylation de l'ADN et les SNP

Énoncé du Problème
Les méthodologies actuelles pour étudier l'interaction entre la méthylation de l'ADN et les polymorphismes nucléotidiques simples (SNP) reposent généralement sur des procédures de tests par paires ad hoc. Ces approches impliquent la sélection de paires spécifiques de sites CpG et de SNP basées sur un seuil de distance génomique fixe, l'ajustement de modèles linéaires distincts pour chaque paire, et l'application de corrections pour tests multiples (ex. : Bonferroni ou FDR). Les auteurs identifient deux limitations principales dans cette pratique standard :

1. Puissance statistique et contrôle de l'erreur : La nécessité d'effectuer un nombre massif de tests individuels complique le contrôle des taux d'erreur de Type I et entraîne souvent une perte significative de puissance statistique.
2. Négligence de la structure spatiale : Ces méthodes ne parviennent pas à prendre en compte la structure de corrélation spatiale inhérente aux niveaux de méthylation de l'ADN, où les mesures aux positions génomiques voisines ont tendance à être fortement corrélées. En traitant la méthylation comme des points discrets plutôt que comme un profil continu, les méthodes existantes peuvent manquer des motifs d'interaction plus larges.

Méthodologie
Le papier propose un cadre d'analyse de données fonctionnelles (FDA) pour tester la signification globale de l'interaction entre les profils de méthylation de l'ADN et un ensemble de SNP sur un phénotype quantitatif.

• Représentation des Données :

  • Méthylation de l'ADN : Au lieu de traiter la méthylation à des sites CpG discrets comme des variables scalaires, les auteurs modélisent le profil de méthylation comme une courbe lisse et continue $\Pi_i(t)$ sur une région génomique $G$. Ceci est réalisé en appliquant un lissage par noyau (spécifiquement en utilisant une densité de noyau normale standard avec une largeur de bande adaptative) aux estimations brutes de la méthylation.
  • SNP : Les données de SNP sont traitées comme des prédicteurs scalaires $G_{id}$ situés à des positions génomiques spécifiques $u_d$.

• Le Modèle Proposé :
  Les auteurs formulent un modèle de régression scalaire sur fonction qui inclut un terme d'interaction entre la courbe fonctionnelle de méthylation et les variables SNP scalaires. Le modèle est défini par :
  $$Y_i = \zeta_0 + \sum_{s=1}^S \zeta_s W_{is} + \sum_{d=1}^D \alpha_d G_{id} + \int_0^1 \delta(t)\Pi_i(t)dt + \sum_{d=1}^D \eta_d G_{id} \int_0^1 \psi_\rho(|t - u_d|)\Pi_i(t)dt + \varepsilon_i$$
  Composantes clés :

  • $\delta(t)$ : Un coefficient fonctionnel représentant l'effet principal de la méthylation.
  • $\eta_d$ : Les coefficients de régression quantifiant l'effet d'interaction pour le $d$-ième SNP.
  • $\psi_\rho(|t - u_d|)$ : Une fonction de poids non croissante (ex. : exponentielle, concave ou linéaire) qui module l'interaction en fonction de la distance entre la position du SNP $u_d$ et la position de la méthylation $t$. Cela permet au modèle de considérer l'ensemble de la courbe de méthylation tout en accordant un poids plus important aux régions proches du SNP. Le paramètre $\rho$ contrôle l'étendue de cette interaction.

• Estimation et Inférence :

  • Estimation : Le modèle est estimé à l'aide d'une approche de spline pénalisée (B-Splines) pour le coefficient fonctionnel $\delta(t)$. Le paramètre de lissage est traité comme une composante de variance, et le modèle est ajusté comme un modèle linéaire mixte en utilisant la méthode du maximum de vraisemblance restreint (REML).
  • Test d'Hypothèse : Pour tester la signification globale de l'interaction, les auteurs proposent une statistique de type Wald ($T_D$) pour tester l'hypothèse nulle $H_0: \eta_d = 0$ pour tout $d$. Sous l'hypothèse nulle, cette statistique suit asymptotiquement une distribution F.

Principales Contributions

1. Modélisation Fonctionnelle des Interactions : Le papier introduit un cadre novateur qui traite la méthylation de l'ADN comme un prédicteur fonctionnel, intégrant ainsi naturellement la structure de corrélation spatiale des données.
2. Test d'Interaction Globale : Contrairement aux approches par paires, cette méthode fournit un test unique pour l'effet global des interactions entre un ensemble de SNP et le profil de méthylation, évitant ainsi le fardeau des tests multiples associé au test de milliers de paires CpG-SNP individuelles.
3. Pondération Flexible : L'inclusion d'une fonction de poids ajustable $\psi_\rho$ permet aux chercheurs de spécifier l'échelle spatiale de l'interaction (locale vs régionale) sans rejeter arbitrairement des points de données en dehors d'un seuil fixe.

Résultats

• Études de Simulation :

  • Erreur de Type I : Des simulations approfondies sous l'hypothèse nulle (pas d'interaction) ont démontré que le test proposé contrôle efficacement les taux d'erreur de Type I à travers diverses tailles d'échantillons ($N=200, 400$) et différentes spécifications de la fonction de poids $\psi_\rho$ et du paramètre $\rho$.
  • Puissance Statistique : Sous l'hypothèse alternative, la méthode a montré une puissance empirique accrue par rapport aux méthodes par paires existantes, particulièrement lorsque plusieurs interactions étaient présentes. La puissance augmente avec des tailles d'échantillons plus grandes et des coefficients d'interaction plus forts.
  • Robustesse : La méthode s'est avérée robuste à la spécification erronée du paramètre $\rho$ et de la forme paramétrique de $\psi_\rho$, avec seulement des pertes mineures de puissance observées lorsque la valeur réelle différait de la valeur testée.
  • Simulation de Données Réelles : Des simulations utilisant des résidus de données réelles (qui suivaient un mélange de distributions normales) ont confirmé que le contrôle de l'erreur de Type I est maintenu même lorsque les termes d'erreur dévient d'une distribution normale unique.

• Application à des Données Réelles :
  La méthode a été appliquée à un ensemble de données sur l'obésité (GSE73103) impliquant 355 individus, 52 SNP associés à l'obésité et des données de méthylation de l'ADN issues de la puce Illumina 450K.

  • L'analyse s'est concentrée sur le chromosome 1, utilisant 5 SNP connus associés à l'obésité et environ 24 000 sites CpG.
  • Le test proposé a détecté une interaction significative entre les SNP associés à l'obésité et les profils de méthylation de l'ADN, indépendamment de la forme paramétrique de $\psi_\rho$ ou de la valeur de $\rho$.
  • Comparaison : Comparée à la méthode par paires existante (LintestSNPCpG) dans des scénarios de simulation basés sur ces données réelles, l'approche fonctionnelle proposée a démontré une puissance empirique supérieure, particulièrement dans les scénarios impliquant l'interaction entre un SNP et plusieurs CpGs (20, 50 ou 100 sites).

Signification et Revendications
Les auteurs affirment que leur approche fonctionnelle offre une alternative flexible et puissante aux tests par paires traditionnels dans les études épigénétiques. En modélisant la méthylation comme une courbe continue, la méthode capture la réalité biologique de la corrélation spatiale et réduit la dimensionnalité du problème, menant à un meilleur contrôle des erreurs de Type I et une puissance statistique plus élevée.

Le papier note modestement que la méthode nécessite la spécification de la forme de la fonction de poids et du paramètre $\rho$. Cependant, les résultats de simulation suggèrent que la méthode est robuste à ces choix, fournissant des directives pour la sélection (petit $\rho$ pour de grandes régions génomiques, grand $\rho$ pour des interactions locales).

Les auteurs reconnaissent les limites concernant la scalabilité vers des analyses à l'échelle du génome où le nombre de SNP dépasse la taille de l'échantillon, suggérant que la méthode est mieux adaptée aux analyses de gènes candidats ou régionales. Ils proposent que les travaux futurs se concentrent sur l'incorporation de techniques de réduction de dimension ou de régularisation pour gérer des ensembles de SNP de haute dimension. La méthode est implémentée dans le package R funInterMethSNP, facilitant la reproductibilité et l'application dans divers contextes de recherche.