Lecture 3: Introduction to Association Analysis 02-715 Advanced - PowerPoint PPT Presentation

Lecture 3: Introduction to Association Analysis 02-­‑715 ¡Advanced ¡Topics ¡in ¡Computa8onal ¡Genomics ¡

Genome Polymorphisms

Type of Polymorphisms • Each variant is called an “ allele ” � • Almost always bi-allelic � • Account for most of the genetic diversi ty among different (normal) individual, e.g. drug response, disease susceptib ility

A Human TCGAGGTATTAAC Genealogy ¡ The ¡ancestral ¡chromosome ¡

From SNPS … ¡ TCGAGGTATTAAC TCTAGGTATTAAC TCGAGGCATTAAC TCTAGGTGTTAAC TCGAGGTATTAGC TCTAGGTATCAAC * ** * *

… To Haplotypes ¡ A ¡disease ¡muta8on ¡

Population-Based Association Study • Case/control ¡data ¡are ¡collected ¡from ¡unrelated ¡individuals ¡ – All ¡individuals ¡are ¡related ¡if ¡we ¡go ¡back ¡far ¡enough ¡in ¡the ¡ancestry ¡ Balding, ¡Nature ¡Reviews ¡Gene8cs, ¡2006 ¡

Advantages of SNPs in Genetic Analysis of Complex Traits Abundance: ¡high ¡frequency ¡on ¡the ¡genome ¡ • Posi8on: ¡throughout ¡the ¡genome ¡ ¡ • – coding ¡region, ¡intron ¡region, ¡promoter ¡site ¡ Ease ¡of ¡genotyping ¡ • Less ¡mutable ¡than ¡other ¡forms ¡of ¡polymorphisms ¡ • SNPs ¡account ¡for ¡around ¡90% ¡of ¡human ¡genomic ¡varia8on ¡ • • About ¡10 ¡million ¡SNPs ¡exist ¡in ¡human ¡popula8ons ¡ Most ¡SNPs ¡are ¡outside ¡of ¡the ¡protein ¡coding ¡regions ¡ • 1 ¡SNP ¡every ¡600 ¡base ¡pairs ¡ • More ¡than ¡5 ¡million ¡common ¡SNPs ¡each ¡with ¡frequency ¡10-­‑50% ¡account ¡ • for ¡the ¡bulk ¡of ¡human ¡DNA ¡sequence ¡difference ¡ It ¡is ¡es8mated ¡that ¡~60,000 ¡SNPs ¡occur ¡within ¡exons; ¡85% ¡of ¡exons ¡are ¡ • within ¡5 ¡kb ¡of ¡the ¡nearest ¡SNP ¡

Causal Mutations and Genetic Markers Causal ¡ SNP ¡Marker ¡ Muta8on ¡ X ¡ X ¡ X ¡ Linkage ¡ Disequilibrium ¡ • ¡Fine ¡mapping ¡required ¡

Linkage Analysis vs. Association Analysis Strachan ¡& ¡Read, ¡Human ¡Molecular ¡Gene8cs, ¡2001 ¡

Overview • Single ¡SNP ¡associa8on ¡test ¡ Discrete-­‑valued ¡phenotype: ¡case/control ¡study ¡ • Con8nuous-­‑valued ¡phenotype: ¡quan8ta8ve ¡traits ¡ • Correc8ng ¡for ¡mul8ple ¡tes8ng ¡ • • Leveraging ¡linkage ¡disequilibrium ¡ • Mul8marker ¡associa8on ¡test ¡ • Genotype ¡imputa8on ¡method ¡

Single SNP Association Analysis: Case/Control Study • For ¡each ¡marker ¡locus, ¡find ¡the ¡ 3x2 ¡con8ngency ¡table ¡containing ¡ the ¡counts ¡of ¡three ¡genotypes ¡ Genotype Case Control AA N case,AA N control,AA Aa N case,Aa N control,Aa aa N case,aa N control,aa Total N case N control 2 χ • ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡test ¡with ¡2 ¡df, ¡or ¡Fisher’s ¡ exact ¡test ¡under ¡the ¡null ¡ Genotype ¡score ¡= ¡the ¡number ¡of ¡minor ¡alleles ¡ ¡ hypothesis ¡of ¡no ¡associa8on ¡ ¡

Single SNP Association Analysis: Case/Control Study • Alterna8vely, ¡assume ¡an ¡addi8ve ¡model, ¡where ¡the ¡ heterozygote ¡risk ¡is ¡approximately ¡between ¡the ¡two ¡ homozygotes ¡ • Form ¡a ¡2x2 ¡con8ngency ¡table. ¡Each ¡individual ¡contributes ¡ twice ¡from ¡each ¡of ¡the ¡two ¡chromosomes. ¡ Genotype Case Control A G case,A G control,A a G case,a G control,a Total 2xN case 2xN control • ¡ ¡ ¡ ¡ ¡ ¡test ¡with ¡1df ¡ 2 χ

Single SNP Association Analysis: Continuous-valued Traits • Con8nuous-­‑valued ¡traits ¡ – Also ¡called ¡quan8ta8ve ¡traits ¡ – Cholesterol ¡level, ¡blood ¡ pressure ¡etc. ¡ • For ¡each ¡locus, ¡fit ¡a ¡linear ¡ regression ¡using ¡the ¡number ¡ of ¡minor ¡alleles ¡at ¡the ¡given ¡ locus ¡of ¡the ¡individual ¡as ¡ covariate ¡

Genetic Model for Association • Addi8ve ¡effect ¡ – Major ¡allele ¡homozygote: ¡0 ¡ – Heterozygote: ¡ a ¡ + ¡ a ¡ x ¡ k ¡ – Minor ¡allele ¡homozygote: ¡2 a ¡ • k =1: ¡dominant ¡effect ¡of ¡the ¡minor ¡allele ¡ • k =0: ¡no ¡dominance ¡ • k =-­‑1: ¡dominant ¡effect ¡of ¡the ¡minor ¡allele ¡

Penetrance • Propor8ons ¡of ¡individuals ¡carrying ¡a ¡par8cular ¡allele ¡that ¡ possess ¡an ¡associated ¡trait ¡ • Alleles ¡with ¡high ¡penetrance ¡are ¡easier ¡to ¡detect ¡in ¡ associa8on ¡analysis ¡

Correcting for Multiple Testing • What ¡happens ¡when ¡we ¡scan ¡the ¡genome ¡of ¡1 ¡million ¡markers ¡ for ¡associa8on ¡with ¡α ¡= ¡0.05? ¡ – 50,000 ¡(=1 ¡millionx0.05) ¡SNPs ¡are ¡expected ¡to ¡be ¡found ¡significant ¡just ¡ by ¡chance ¡ – We ¡need ¡to ¡be ¡more ¡conserva8ve ¡when ¡we ¡decide ¡a ¡given ¡marker ¡is ¡ significantly ¡associated ¡with ¡the ¡trait. ¡ • Correc8on ¡methods ¡ – Bonferroni ¡correc8on ¡ – Permuta8on ¡test ¡

Bonferroni Correction • If ¡N ¡markers ¡are ¡tested, ¡we ¡correct ¡the ¡significance ¡level ¡as ¡ α’= ¡α/N ¡ – Assumes ¡the ¡N ¡tests ¡are ¡independent, ¡although ¡this ¡is ¡not ¡true ¡ because ¡of ¡the ¡linkage ¡disequilibrium. ¡ ¡ – Overly ¡conserva8ve ¡for ¡8ghtly ¡linked ¡markers ¡

Permutation Procedure • Step ¡1: ¡Compute ¡the ¡test ¡sta8s8c ¡ T ¡using ¡the ¡original ¡dataset ¡ • Step ¡2: ¡Set ¡ N sig ¡ = ¡ 0 ¡ • Step ¡3: ¡Repeat ¡1: N perm ¡ ¡ – Step ¡3a: ¡Randomly ¡permute ¡the ¡individuals ¡in ¡the ¡phenotype ¡data ¡to ¡ generate ¡datasets ¡with ¡no ¡associa8on ¡(retain ¡the ¡original ¡genotype) ¡ – Step ¡3b: ¡Find ¡the ¡test ¡sta8s8cs ¡ T perm ¡of ¡SNPs ¡using ¡the ¡permuted ¡ dataset ¡ – Step ¡3c: ¡if ¡ T> ¡ T perm, ¡ N sig ¡ = ¡ N sig +1 ¡ ¡ • Step ¡4: ¡Compute ¡ p -­‑value ¡as ¡(1-­‑ N sig / N perm ) ¡ This ¡approach ¡is ¡computa8onally ¡demanding ¡because ¡ olen ¡a ¡large ¡ N perm ¡is ¡required. ¡

Multi-marker Association Test • Idea: ¡a ¡haplotype ¡of ¡mul8ple ¡SNPs ¡is ¡a ¡bemer ¡proxy ¡for ¡a ¡true ¡ causal ¡SNP ¡than ¡a ¡single ¡SNP ¡ – Exploit ¡the ¡linkage ¡disequilibrium ¡structure ¡in ¡genome ¡ • Form ¡a ¡new ¡allele ¡by ¡combining ¡mul8ple ¡SNPs ¡for ¡a ¡haplotype ¡ SNP ¡A ¡ ¡ ¡ ¡SNP ¡B ¡ Auxiliary ¡Markers ¡for ¡Haplotypes ¡ ¡ ¡ ¡ ¡0 ¡ ¡0 ¡ ¡1 ¡0 ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡0 ¡ ¡ ¡ ¡0 ¡ ¡ ¡ ¡ ¡0 ¡ ¡1 ¡ ¡0 ¡1 ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡0 ¡ ¡ ¡ ¡0 ¡ ¡ ¡ ¡ ¡1 ¡ ¡0 ¡ ¡0 ¡0 ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡1 ¡ ¡ ¡ ¡0 ¡ ¡ ¡ ¡ ¡1 ¡ ¡1 ¡ ¡0 ¡0 ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡0 ¡ ¡ ¡ ¡1 ¡ • Test ¡the ¡haplotype ¡allele ¡for ¡associa8on ¡

Multi-marker Association Test • Mul8-­‑marker ¡approach ¡can ¡capture ¡dependencies ¡across ¡ mul8ple ¡markers ¡ – SNPs ¡in ¡LD ¡form ¡a ¡haplotype ¡that ¡can ¡be ¡tested ¡as ¡a ¡single ¡allele ¡ – Can ¡achieve ¡the ¡same ¡power ¡with ¡data ¡collected ¡for ¡fewer ¡samples ¡ • Challenge ¡as ¡the ¡size ¡of ¡haplotype ¡increases ¡ – Haplotype ¡of ¡ K ¡SNPs ¡results ¡in ¡2 K ¡different ¡haplotypes, ¡but ¡the ¡number ¡ of ¡samples ¡corresponding ¡to ¡each ¡haplotype ¡decreases ¡quickly ¡as ¡we ¡ increase ¡ K ¡ – Large ¡ K ¡requires ¡a ¡large ¡sample ¡size ¡

Imputation-Based Methods (Servin & Stephens, 2007) Tag ¡SNP ¡ Non-­‑tag ¡SNP ¡

Yeast Genomic Datasets • Yeast ¡genomic ¡datasets ¡ -­‑ Genotypes ¡from ¡112 ¡segregants ¡from ¡a ¡yeast ¡cross ¡ between ¡BY ¡and ¡RM ¡strains ¡ -­‑ Microarray ¡gene-­‑expression ¡data ¡ -­‑ Transcrip8on ¡factor ¡binding ¡site ¡data ¡ -­‑ Protein-­‑protein ¡interac8on ¡data ¡