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

Sintesi Tecnica: Un Approccio Funzionale per Testare l'Effetto Complessivo dell'Interazione tra Metilazione del DNA e SNP

Definizione del Problema
Le metodologie attuali per investigare l'interazione tra la metilazione del DNA e i Polimorfismi a Singolo Nucleotide (SNP) si affidano tipicamente a procedure di test a coppie ad-hoc. Questi approcci prevedono la selezione di coppie specifiche di siti CpG e SNP basate su una soglia di distanza genomica fissa, l'adattamento di modelli lineari separati per ogni coppia e l'applicazione di correzioni per test multipli (ad es., Bonferroni o FDR). Gli autori identificano due limitazioni primarie in questa pratica standard:

1. Potenza Statistica e Controllo dell'Errore: La necessità di eseguire un numero massiccio di test individuali complica il controllo dei tassi di errore di Tipo I e spesso porta a una significativa perdita di potenza statistica.
2. Ignorare la Struttura Spaziale: Questi metodi non tengono conto della struttura di correlazione spaziale inerente ai livelli di metilazione del DNA, dove le misurazioni in posizioni genomiche vicine tendono a essere altamente correlate. Trattando la metilazione come punti discreti anziché come un profilo continuo, i metodi esistenti potrebbero perdere schemi di interazione più ampi.

Metodologia
Il documento propone un framework di analisi dei dati funzionali (FDA) per testare la significatività complessiva dell'interazione tra i profili di metilazione del DNA e un insieme di SNP su un fenotipo quantitativo.

• Rappresentazione dei Dati:

  • Metilazione del DNA: Invece di trattare la metilazione in siti CpG discreti come variabili scalari, gli autori modellano il profilo di metilazione come una curva continua e fluida $\Pi_i(t)$ su una regione genomica $G$. Ciò viene ottenuto applicando uno smoothing kernel (specificamente utilizzando un kernel di densità normale standard con una larghezza di banda adattiva) alle stime grezze di metilazione.
  • SNP: I dati SNP sono trattati come predittori scalari $G_{id}$ situati in posizioni genomiche specifiche $u_d$.

• Il Modello Proposto:
  Gli autori formulano un modello di regressione scalar-on-function che include un termine di interazione tra la curva funzionale della metilazione e le variabili SNP scalari. Il modello è definito come:
  $$Y_i = \zeta_0 + \sum_{s=1}^S \zeta_s W_{is} + \sum_{d=1}^D \alpha_d G_{id} + \int_0^1 \delta(t)\Pi_i(t)dt + \sum_{d=1}^D \eta_d G_{id} \int_0^1 \psi_\rho(|t - u_d|)\Pi_i(t)dt + \varepsilon_i$$
  Componenti chiave includono:

  • $\delta(t)$: Un coefficiente funzionale che rappresenta l'effetto principale della metilazione.
  • $\eta_d$: Coefficienti di regressione che quantificano l'effetto di interazione per il $d$-esimo SNP.
  • $\psi_\rho(|t - u_d|)$: Una funzione di peso non crescente (ad es., esponenziale, concava o lineare) che modula l'interazione in base alla distanza tra la posizione dello SNP $u_d$ e la posizione della metilazione $t$. Ciò consente al modello di considerare l'intera curva di metilazione, pesando però maggiormente le regioni più vicine allo SNP. Il parametro $\rho$ controlla l'estensione di questa interazione.

• Stima e Inferenza:

  • Stima: Il modello è stimato utilizzando un approccio a spline penalizzate (B-Splines) per il coefficiente funzionale $\delta(t)$. Il parametro di smoothing è trattato come una componente di varianza e il modello è adattato come un modello lineare misto utilizzando la Massima Verosimiglianza Restrittiva (REML).
  • Test di Ipotesi: Per testare la significatività complessiva dell'interazione, gli autori propongono un statistico di tipo Wald ($T_D$) per testare l'ipotesi nulla $H_0: \eta_d = 0$ per tutti i $d$. Sotto l'ipotesi nulla, questo statistico segue asintoticamente una distribuzione F.

Contributi Chiave

1. Modellazione Funzionale delle Interazioni: Il documento introduce un nuovo framework che tratta la metilazione del DNA come un predittore funzionale, incorporando naturalmente la struttura di correlazione spaziale dei dati.
2. Test di Interazione Globale: A differenza degli approcci a coppie, questo metodo fornisce un singolo test per l'effetto complessivo delle interazioni tra un insieme di SNP e il profilo di metilazione, evitando l'onere dei test multipli associato al test di migliaia di singole coppie CpG-SNP.
3. Ponderazione Flessibile: L'inclusione di una funzione di peso regolabile $\psi_\rho$ permette ai ricercatori di specificare la scala spaziale dell'interazione (locale vs. regionale) senza scartare arbitrariamente punti dati al di fuori di una soglia fissa.

Risultati

• Studi di Simulazione:

  • Errore di Tipo I: Ampie simulazioni sotto l'ipotesi nulla (nessuna interazione) hanno dimostrato che il test proposto controlla efficacementmente i tassi di errore di Tipo I attraverso varie dimensioni campionarie ($N=200, 400$) e diverse specifiche della funzione di peso $\psi_\rho$ e del parametro $\rho$.
  • Potenza Statistica: Sotto l'ipotesi alternativa, il metodo ha mostrato una potenza empirica superiore rispetto ai metodi a coppie esistenti, particolarmente quando erano presenti molteplici interazioni. La potenza è aumentata con dimensioni campionarie maggiori e coefficienti di interazione più forti.
  • Robustezza: Il metodo si è dimostrato robusto alla misspecificazione del parametro $\rho$ e della forma parametrica di $\psi_\rho$, con solo lievi perdite di potenza osservate quando il valore vero differiva dal valore di test.
  • Simulazione con Dati Reali: Simulazioni utilizzando residui di dati reali (che seguivano una miscela di distribuzioni normali) hanno confermato che il controllo dell'errore di Tipo I è mantenuto anche quando i termini di errore deviano da una singola distribuzione normale.

• Applicazione su Dati Reali:
  Il metodo è stato applicato a un dataset sull'obesità (GSE73103) che coinvolge 355 individui, 52 SNP associati all'obesità e dati di metilazione del DNA dall'array Illumina 450K.

  • L'analisi si è concentrata sul Cromosoma 1, utilizzando 5 SNP noti per l'associazione con l'obesità e circa 24.000 siti CpG.
  • Il test proposto ha rilevato un'interazione significativa tra gli SNP associati all'obesità e i profili di metilazione del DNA, indipendentemente dalla forma parametrica di $\psi_\rho$ o dal valore di $\rho$.
  • Confronto: Rispetto al metodo a coppie esistente (LintestSNPCpG) in scenari di simulazione basati su questi dati reali, l'approccio funzionale proposto ha dimostrato una potenza empirica superiore, in particolare in scenari che coinvolgono l'interazione tra un singolo SNP e molteplici CpG (20, 50 o 100 siti).

Significatività e Rivendicazioni
Gli autori affermano che il loro approccio funzionale offre un'alternativa flessibile e potente ai tradizionali test a coppie negli studi epigenetici. Modellando la metilazione come una curva continua, il metodo cattura la realtà biologica della correlazione spaziale e riduce la dimensionalità del problema, portando a un migliore controllo degli errori di Tipo I e a una maggiore potenza statistica.

Il documento nota modestamente che il metodo richiede la specificazione della forma della funzione di peso e del parametro $\rho$. Tuttavia, i risultati delle simulazioni suggeriscono che il metodo è robusto a queste scelte, fornendo linee guida per la selezione ($\rho$ piccolo per grandi regioni genomiche, $\rho$ grande per interazioni locali).

Gli autori riconoscono i limiti riguardanti la scalabilità alle analisi genome-wide in cui il numero di SNP supera la dimensione del campione, suggerendo che il metodo sia più adatto ad analisi di geni candidati o regionali. Propongono che il lavoro futuro debba concentrarsi sull'incorporazione di tecniche di riduzione della dimensionalità o regolarizzazione per gestire set di SNP ad alta dimensionalità. Il metodo è implementato nel pacchetto R funInterMethSNP, facilitando la riproducibilità e l'applicazione in diversi contesti di ricerca.