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

Technische Samenvatting: Een Functionele Benadering voor het Testen van het Totale Effect van de Interactie tussen DNA-methylatie en SNP's

Probleemstelling
Huidige methodologieën voor het onderzoeken van de wisselwerking tussen DNA-methylatie en Single Nucleotide Polymorphisms (SNP's) vertrouwen doorgaans op ad-hoc, paarwijze testprocedures. Deze benaderingen omvatten het selecteren van specifieke paren CpG-sites en SNP's op basis van een vaste genomische afstandsdrempel, het fitten van afzonderlijke lineaire modellen voor elk paar, en het toepassen van correcties voor meervoudig testen (bijv. Bonferroni of FDR). De auteurs identificeren twee primaire beperkingen in deze standaardpraktijk:

1. Statistische Kracht en Foutcontrole: De noodzaak om een enorme hoeveelheid individuele tests uit te voeren, bemoeilijkt de controle over Type I-foutpercentages en leidt vaak tot een aanzienlijk verlies aan statistische kracht.
2. Negeren van de Ruimtelijke Structuur: Deze methoden houden geen rekening met de inherente ruimtelijke correlatiestructuur van DNA-methylatieniveaus, waarbij metingen op naburige genomische posities vaak sterk gecorreleerd zijn. Door methylatie te behandelen als discrete punten in plaats van een continu profiel, kunnen bestaande methoden bredere interactiepatronen missen.

Methodologie
Het artikel stelt een functionele data-analyse (FDA) raamwerk voor om de totale significantie van de interactie tussen DNA-methylatieprofielen en een set SNP's op een kwantitatieve fenotype te testen.

• Datarepresentatie:

  • DNA-methylatie: In plaats van DNA-methylatie bij discrete CpG-sites als scalaire variabelen te behandelen, modelleren de auteurs het methylatieprofiel als een gladde, continue curve $\Pi_i(t)$ over een genomisch gebied $G$. Dit wordt bereikt door kernel smoothing (specifiek met een standaard normale dichtheidskernel met een adaptieve bandbreedte) toe te passen op ruwe methylatieschattingen.
  • SNP's: SNP-data worden behandeld als scalaire predictoren $G_{id}$ gelegen op specifieke genomische posities $u_d$.

• Het Voorgestelde Model:
  De auteurs formuleren een scalar-on-function regressiemodel dat een interactieterm bevat tussen de functionele methylatiecurve en de scalaire SNP-variabelen. Het model wordt gedefinieerd als:
  $$Y_i = \zeta_0 + \sum_{s=1}^S \zeta_s W_{is} + \sum_{d=1}^D \alpha_d G_{id} + \int_0^1 \delta(t)\Pi_i(t)dt + \sum_{d=1}^D \eta_d G_{id} \int_0^1 \psi_\rho(|t - u_d|)\Pi_i(t)dt + \varepsilon_i$$
  Kerncomponenten zijn onder meer:

  • $\delta(t)$: Een functionele coëfficiënt die het hoofdeffect van methylatie vertegenwoordigt.
  • $\eta_d$: Regressiecoëfficiënten die het interactie-effect voor de $d$-de SNP kwantificeren.
  • $\psi_\rho(|t - u_d|)$: Een niet-toenemende gewichtsfunctie (bijv. exponentieel, concaaf of lineair) die de interactie moduleert op basis van de afstand tussen de SNP-positie $u_d$ en de methylatiepositie $t$. Dit maakt het mogelijk om de gehele methylatiecurve in overweging te nemen, waarbij regio's die dichter bij de SNP liggen zwaarder worden gewogen. De parameter $\rho$ regelt de omvang van deze interactie.

• Schatting en Inferentie:

  • Schatting: Het model wordt geschat met behulp van een gepenaliseerde spline-benadering (B-splines) voor de functionele coëfficiënt $\delta(t)$. De smoothing-parameter wordt behandeld als een variantiecomponent, en het model wordt gefit als een lineair gemengd model met behulp van Restricted Maximum Likelihood (REML).
  • Hypothesetest: Om de totale significantie van de interactie te testen, stellen de auteurs een Wald-type statistiek ($T_D$) voor om de nulhypothese $H_0: \eta_d = 0$ voor alle $d$ te testen. Onder de nulhypothese volgt deze statistiek asymptotisch een F-distributie.

Belangrijkste Bijdragen

1. Functionele Modellering van Interacties: Het artikel introduceert een nieuw raamwerk dat DNA-methylatie als een functionele predictor behandelt, waardoor de ruimtelijke correlatiestructuur van de data op natuurlijke wijze wordt geïntegreerd.
2. Globale Interactietest: In tegenstelling tot paarwijze benaderingen biedt deze methode een enkele test voor het totale effect van interacties tussen een set SNP's en het DNA-methylatieprofiel, waardoor de last van meervoudig testen die gepaard gaat met het testen van duizenden individuele CpG-SNP-paren wordt vermeden.
3. Flexibele Weging: De inclusie van een instelbare gewichtsfunctie $\psi_\rho$ stelt onderzoekers in staat om de ruimtelijke schaal van de interactie (lokaal versus regionaal) te specificeren zonder gegevenspunten buiten een vaste drempel willekeurig te verwijderen.

Resultaten

• Simulatiestudies:

  • Type I-fout: Uitgebreide simulaties onder de nulhypothese (geen interactie) toonden aan dat de voorgestelde test de Type I-foutpercentages effectief controleert over verschillende steekproefgroottes ($N=200, 400$) en verschillende specificaties van de gewichtsfunctie $\psi_\rho$ en parameter $\rho$.
  • Statistische Kracht: Onder de alternatieve hypothese vertoonde de methode een verhoogde empirische kracht vergeleken met bestaande paarwijze methoden, met name wanneer meerdere interacties aanwezig waren. De kracht nam toe met grotere steekproefgroottes en sterkere interactiecoëfficiënten.
  • Robuustheid: De methode bleek robuust voor de misspecificatie van de parameter $\rho$ en de parametrische vorm van $\psi_\rho$, waarbij slechts minimale verliezen in kracht werden waargenomen wanneer de werkelijke parameterwaarde verschilde van de geteste waarde.
  • Real-world Data Simulatie: Simulaties met residuen van echte data (die een mengeling van normale verdelingen volgden) bevestigden dat de controle over de Type I-fout behouden blijft, zelfs wanneer fouttermen afwijken van een enkele normale verdeling.

• Toepassing op Echte Data:
  De methode werd toegepast op een obesitasdataset (GSE73103) bestaande uit 355 individuen, 52 obesitas-geassocieerde SNP's en DNA-methylatiedata van de Illumina 450K array.

  • De analyse richtte zich op Chromosoom 1, gebruikmakend van 5 bekende obesitas-geassocieerde SNP's en ongeveer 24.000 CpG-sites.
  • De voorgestelde test detecteerde een significante interactie tussen obesitas-geassocieerde SNP's en DNA-methylatieprofielen, ongeacht de parametrische vorm van $\psi_\rho$ of de waarde van $\rho$.
  • Vergelijking: Wanneer vergeleken met de bestaande paarwijze methode (LintestSNPCpG) in simulatiescenario's gebaseerd op deze echte data, vertoonde de voorgestelde functionele benadering een superieure empirische kracht, vooral in scenario's met interacties tussen één SNP en meerdere CpG's (20, 50 of 100 locaties).

Betekenis en Claims
De auteurs beweren dat hun functionele benadering een flexibel en krachtig alternatief biedt voor traditionele paarwijze testen in epigenetische studies. Door DNA-methylatie als een continue curve te modelleren, legt de methode de biologische realiteit van ruimtelijke correlatie vast en vermindert het de dimensionaliteit van het probleem, wat leidt tot een betere controle over Type I-fouten en een hogere statistische kracht.

De auteurs merken bescheiden op dat de methode de specificatie van de vorm van de gewichtsfunctie en de parameter $\rho$ vereist, maar simulatieresultaten suggereren dat de methode robuust is voor deze keuzes, waarbij richtlijnen worden gegeven voor selectie (kleine $\rho$ voor grote genomische regio's, grote $\rho$ voor lokale interacties).

De auteurs erkennen beperkingen met betrekking tot de schaalbaarheid naar genoombrede analyses waarbij het aantal SNP's het aantal steekproeven overstijgt, en suggereren dat de methode het best geschikt is voor kandidaat-gen of regionale analyses. Ze stellen voor dat toekomstig werk zich moet richten op het integreren van technieken voor dimensiereductie of regularisatie om met hoog-dimensionale SNP-sets om te gaan. De methode is geïmplementeerd in het R-pakket funInterMethSNP, wat reproduceerbaarheid en toepassing in diverse onderzoeksinstellingen vergemakkelijkt.