Testing for gene-environment (GxE) interaction using p-value aggregation identifies many GxE loci

De auteurs stellen een robuuste methode voor die p-waarden van Cauchy-aggregatie combineert om GxE-interacties te testen onder verschillende genetische modellen, wat aanzienlijk meer loci identificeert dan traditionele benaderingen, zoals aangetoond in analyses van UK Biobank-data.

De kern

De Zoektocht naar de Verborgen Sleutel: Hoe een Nieuwe Methode Genen en Leefstijl Ontmaskert

Stel je voor dat je op zoek bent naar de perfecte sleutel om een deur te openen. Die deur is een ziekte of een eigenschap (zoals je gewicht of suikerniveau). De sleutel is een combinatie van je genen (je erfelijke blauwdruk) en je omgeving (je levensstijl, zoals roken, slapen of wat je eet).

In de wetenschap noemen we dit een GxE-interactie (Gen-omgeving interactie). Het probleem is: we weten niet precies welke vorm de sleutel moet hebben om de deur te openen.

Het oude probleem: De "Eén-Formule" Valstrik

Tot nu toe hebben onderzoekers vaak één specifieke vorm van sleutel gebruikt: de additieve model. Dit is als een sleutel die je probeert te draaien met een vaste kracht.

• Het risico: Als de echte sleutel eigenlijk een recessieve vorm heeft (een heel specifieke, zeldzame vorm), dan werkt je vaste sleutel niet. Je draait en draait, maar de deur blijft dicht. Je ziet dan geen enkel resultaat, terwijl er wel een verborgen mechanisme is.
• De oplossing van de auteurs: Ze hebben een nieuwe methode bedacht, genaamd GETAP.

De Oplossing: De "Meester-Detective" (GETAP)

Stel je GETAP voor als een slimme detective die niet één, maar drie verschillende sleutels tegelijk probeert:

1. Een additieve sleutel (standaard).
2. Een dominante sleutel (werkt als je maar één kopie van het gen hebt).
3. Een recessieve sleutel (werkt alleen als je twee kopieën hebt).

In plaats van te kiezen welke sleutel de beste is (wat vaak fout gaat), doet de detective iets slim:

• Hij probeert alle drie de sleutels.
• Als één van de drie een klein geluidje hoort (een zwak signaal), en een andere ook, dan kijkt hij naar het totaalplaatje.
• Hij gebruikt een wiskundige truc (de Cauchy-aggregatie) om al die kleine geluidjes samen te voegen tot één groot, duidelijk signaal.

De analogie:
Stel je voor dat je in een groot, luid feestzaal staat en je probeert een vriend te horen.

• De oude methode luistert alleen naar de linker oorschelp. Als je vriend daar niet praat, hoor je niets.
• De GETAP-methode gebruikt drie microfoons tegelijk (links, rechts en boven). Zelfs als je vriend fluistert in een hoekje waar de linker microfoon niets hoort, horen de andere twee het misschien wel. De methode combineert die geluidjes tot één duidelijk bericht: "Daar is je vriend!"

Wat hebben ze ontdekt? (De Resultaten)

De auteurs hebben deze nieuwe methode getest op een enorme database van 500.000 mensen (het UK Biobank). Ze keken naar verschillende combinaties, zoals:

• Suikerniveau (HbA1c) + Roken: De oude methode vond 24 plekken in het DNA waar een interactie was. De nieuwe GETAP-methode vond 82 plekken! Ze vonden dus meer dan drie keer zo veel verborgen verbanden.
• Type 2 Diabetes + Slaapduur: De oude methode vond ongeveer 500 plekken. De nieuwe methode vond 563 plekken.

Het belangrijkste is: de nieuwe methode miste bijna niets wat de oude methode vond, maar vond veel meer dingen die de oude methode over het hoofd zag (vooral wanneer de "recessieve" sleutel nodig was).

Waarom is dit belangrijk?

1. Geen gokken meer: Vroeger moesten onderzoekers gokken welke vorm van genen ze moesten zoeken. Nu hoeven ze dat niet meer. De methode werkt goed, ongeacht hoe de genen precies werken.
2. Sneller en slimmer: Andere methoden die ook meerdere modellen proberen, zijn vaak heel traag en rekenintensief. Deze nieuwe methode is snel en kan makkelijk op grote schaal worden toegepast.
3. Meer inzicht: Door meer van deze interacties te vinden, kunnen artsen en wetenschappers beter begrijpen waarom sommige mensen ziek worden door hun levensstijl, terwijl anderen dat niet doen, zelfs als ze dezelfde genen hebben.

Conclusie

Deze paper introduceert een slimme, flexibele manier om te kijken hoe onze genen en onze leefstijl met elkaar spelen. Het is alsof we van een enkele flitslamp zijn gegaan naar een verlichtingssysteem dat elke hoek van de kamer verlicht. Hierdoor zien we nu veel meer van de complexe puzzel van menselijke gezondheid dan ooit tevoren.

Technische samenvatting

Probleemstelling

Genoomwijde studies naar gen-omgeving-interacties (GxE) hebben tot nu toe beperkt succes gehad in het detecteren van betrouwbare signalen. Een hoofdoorzaak is het gebrek aan statistische power, vaak veroorzaakt door modelmisspecificatie.

• Huidige praktijk: De standaard aanpak voor GxE-scanneën neemt vaak aan dat er één specifiek genetisch overervingsmodel geldt (meestal het additieve model) voor alle SNP's.
• Het risico: Als het warene genetische model in werkelijkheid recessief of dominant is, leidt het gebruik van een additief model tot een aanzienlijk verlies aan statistische power.
• Bestaande alternatieven:
  • 2df-test: Een modelvrije test die genotypen als categorieën behandelt (2 vrijheidsgraden). Deze is robuust maar kan power verliezen door het gebruik van een extra vrijheidsgraad, vooral bij eenvoudige overervingsmodellen.
  • MAX3-test: Neemt de maximum van teststatistieken uit verschillende modellen, maar vereist computationally intensive resampling-procedures die moeilijk schaalbaar zijn voor genoomwijde analyses.
  • Meerdere correcties: Het uitvoeren van aparte tests en het toepassen van Bonferroni-correctie maakt de procedure te conservatief.

Methodologie: De GETAP-aanpak

De auteurs stellen GETAP (GxE Testing using Aggregated P-value) voor, een robuuste methode die onzekerheid over het onderliggende genetische model oplost door p-waarden te aggregeren.

1. Drie afzonderlijke tests: Voor elke SNP en omgevingsfactor worden drie GxE-interactietests uitgevoerd, gebaseerd op de drie standaard genetische coderingen:
   • Additief (A)
   • Dominant (D)
   • Recessief (R)
2. P-waarden aggregatie: In plaats van de strengste correctie toe te passen of een model te kiezen, worden de drie gegenereerde p-waarden ($p_A, p_D, p_R$) gecombineerd tot één enkele, geaggregeerde p-waarde.
3. Cauchy-combinatie (ACAT): De auteurs gebruiken de Aggregated Cauchy Association Test (ACAT).
   • De ACAT-statistiek wordt berekend als: $T_{ACAT} = \sum w_i \tan((0.5 - p_i)\pi)$.
   • Er worden gelijke gewichten gebruikt ($w_i = 1/3$) omdat er geen a priori voorkeur is voor een specifiek model.
   • Voordeel: De Cauchy-combinatie is geldig onder willekeurige afhankelijkheid tussen de tests (wat cruciaal is omdat ze op dezelfde data zijn gebaseerd), is computatief zeer snel, en levert een nauwkeurige benadering in de staart van de verdeling (belangrijk voor genoomwijde drempels).
4. Vergelijkingsmethoden: De methode wordt vergeleken met individuele 1df-tests (A, D, R), de 2df-genotypische test, en een alternatieve aggregatiemethode (Harmonisch Gemiddelde p-waarde of HMP).

Belangrijkste Bijdragen

• Ontwikkeling van GETAP: Een nieuwe, schaalbare framework voor GxE-analyse dat modelmisspecificatie adresseert zonder zware computereisen.
• Systematische Evaluatie: Uitgebreide simulatiestudies die de power en Type I-foutcontrole (TIER) van GETAP vergelijken met bestaande methoden onder verschillende scenario's (continue/binaire fenotypes, verschillende MAF-waarden, en ware genetische modellen).
• Grootschalige Toepassing: De eerste systematische toepassing van een dergelijke aggregatiestrategie op grote biobank-data (UK Biobank) voor diverse fenotype-omgevingcombinaties.

Resultaten

1. Simulatiestudies

• Type I-foutcontrole: GETAP controleert de Type I-foutrate adequaat (rond de nominale 0.05), hoewel er bij zeer zeldzame varianten (lage MAF) en binaire fenotypes enige inflatie kan optreden (vooral bij recessieve modellen), maar dit is minder dan bij de 2df-test.
• Statistische Power:
  • Wanneer het ware model Additief of Dominant is: GETAP presteert vergelijkbaar met de correct gespecificeerde 1df-test en is sterker dan de 2df-test (powerwinst van 1-6%).
  • Wanneer het ware model Recessief is: Dit is het sterkste punt van GETAP. De standaard additieve test verliest hier veel power (tot 70% verlies bij lage MAF). GETAP recupereert dit verlies aanzienlijk en presteert veel beter dan de misspecificeerde additieve of dominante tests, terwijl het slechts een marginale powerverlies (1-13%) heeft ten opzichte van de correct gespecificeerde recessieve test.
  • Vergelijking met 2df: GETAP is over het algemeen krachtiger dan de 2df-test, vooral bij additieve en dominante modellen, en vergelijkbaar bij recessieve modellen.

2. Toepassing op UK Biobank Data

De methode werd toegepast op ongeveer 500.000 deelnemers voor verschillende fenotypes (HbA1c, longfunctie, BMI, CRP, triglyceriden, Type 2 Diabetes, COPD) en omgevingsfactoren (roken, slaap, dieet, alcohol).

• HbA1c & Roken: GETAP identificeerde 82 onafhankelijke GxE-loci (bij FDR < 5%), terwijl de additieve test er slechts 24 vond en de recessieve test 58.
• Type 2 Diabetes & Slaapduur: GETAP vond 563 onafhankelijke GxE-loci, wat aanzienlijk meer is dan de additieve test (509 SNPs -> 414 loci) en de andere methoden.
• COPD & Roken: De recessieve test was hier het sterkst (227 SNPs), maar GETAP vond er nog meer (260 SNPs -> 219 loci).
• Algemeen: GETAP vond consistent meer of vergelijkbare aantallen significante loci dan de individuele modellen en de 2df-test. Het slaagde erin om signalen te detecteren die door geen enkel enkelvoudig model werden gevonden (bijvoorbeeld door het aggregeren van zwakke signalen uit verschillende modellen).
• Functionele Analyse: De geïdentificeerde loci voor HbA1c en Type 2 Diabetes bleken voornamelijk in niet-coderende regio's te liggen (introns/intergenic), wat suggereert dat GxE-interacties voornamelijk via regulatoire mechanismen werken. Pathway-analyses wezen op betrokkenheid van metabolisme, ontsteking en lipiden-signalering.

Betekenis en Conclusie

De studie toont aan dat er geen enkel genotype-coderingsschema is dat in alle situaties de meeste power biedt. De GETAP-methode biedt een elegante oplossing door onzekerheid over het genetische model te omzeilen via p-waarden-aggregatie.

• Robuustheid: Het biedt een "veilige" strategie die bijna even goed presteert als de beste enkelvoudige test (wanneer het model bekend is) en aanzienlijk beter dan een verkeerd gekozen model.
• Efficiëntie: In tegenstelling tot MAX3-tests is GETAP computatief zeer snel en schaalbaar tot miljoenen varianten, wat het ideaal maakt voor moderne biobank-studies.
• Impact: Door de toepassing van GETAP op de UK Biobank zijn tientallen tot honderden nieuwe GxE-loci ontdekt die eerder onzichtbaar waren voor standaard methoden. Dit onderstreept het belang van het meenemen van meerdere genetische modellen in GxE-onderzoek om de complexe interacties tussen genen en levensstijlfactoren volledig te begrijpen.