Wavelet-based methods in genetic association analyses

De siste to tiårene har vært vitne til en økning av genom-omfattende skanninger for et bredt spekter av omics-data. Til tross for at det finnes en overflod av genotype- og DNA-metyleringsdata til rådighet, forblir vår forståelse av etiologien til komplekse egenskaper fragmentert. Videre har nyere teoretiske studier vist at noen trekk kan være mer komplekse enn tidligere antatt; disse er kjent som omnigeniske trekk, og en stor del av genomet er knyttet til disse fenotypene. Selv i noen av de største genom-brede assosiasjonsstudiene (GWAS) som er utført til dags dato, og som noen ganger omfattet mer enn 1 million genotypede individer, er det bare oppdaget hundrevis av signifikante single-nucleotide polymorphisms, noe som er markant færre enn man ville forventet for årsaksvarianter som representerer omnigeniske trekk.

Dette doktorgradsarbeidet er fokusert på samtidig integrering av flere varianter ved bruk av regionale metoder for å analysere DNA-metylering og GWAS-data. Det foreslår flere måter å bygge bro mellom disse analysene ved hjelp av "wavelets" - et verktøy fra signalbehandling som sakte får større relevans for genetisk epidemiologi. Denne avhandlingen beskriver utviklingen av to bølgebaserte metoder for å utføre genom-dekkende assosiasjonsanalyser. Den første er basert på en tidligere foreslått modell for å påvise DNase i hypersensitivite kvantitative trekklokus. Den andre metoden innebærer en heuristisk tilnærming til å oppdage tilknyttede regioner ved å trekke ut sammendragsstatistikk fra wavelet regresjonsanalyser.

Kandidaten sammenlignet disse metodene med konvensjonelle metoder for DNA-metylering og GWAS-dataanalyser ved å utføre en rekke omfattende simuleringer. Spesielt viste den andre metoden bemerkelsesverdig kraft til å analysere regioner som inneholder flere SNP-er eller CpG-er med mindre effekter, noe som gjør den til et passende alternativ til den klassiske enkeltvariantmodelleringen.

Personalia

William R.P. Denault (f. 1991 i Reims, Frankrike) er utdannet statistiker ved Matematisk institutt, Universitetet i Strasbourg (2017) Doktorgradsarbeidet utgår fra Institutt for global helse og samfunnsmedisin. Kandidaten har også vært tilknyttet forskningsgruppen for genetisk epidemiologi ved Folkehelseninstittutet, i samarbeid med Centre for Fertility and Health. Hovedveileder: Professor Håkon K. Gjessing. Biveiledere: Dr. Astanand Jugessur og professor Bo Jacobsson.