全基因組連鎖分析中錯誤發現數目分布的估計

近代遺傳流行病學的目的在尋找複雜疾病致病基因。其中，連鎖（linkage）分析與關聯 （association）分析是主要工具。過去幾年，基於”常見疾病－常見變異（common disease－common variant）”假設及 genotyping技術的成熟，全基因組關聯研究（genome-wide association study, GWAS）蓬勃發展。雖然 GWAS 找到了許多和疾病有關的常見變異，但大部分對疾病成因的解釋能 力卻不高。目前，越來越多研究轉而探討“常見疾病－罕見變異（common disease－rare variant）” 這個假設。同時，次世代定序（next-generation sequencing, NGS）技術的發展，讓罕見變異逐漸成為 研究重心。 由於全基因組連鎖分析適合尋找致病之罕見變異所在區域，故以此為基礎，應用 NGS 進行後續 研究，是目前主要策略之一。多重檢定（multiple testing）是進行全基因組連鎖分析時的重要問題。 由於全基因組連鎖分析欲根據全基因組上大量位點的檢定結果尋找值得進一步研究的區域，因此估 計所得結果的錯誤發現率（false discovery rate, FDR）是恰當的解決方法。此外，之前研究指出，將 檢定統計量間之相關性納入考量，可使 FDR 的計算更為精確。 此計畫擬發展一個蒙地卡羅方法來估計全基因組連鎖分析中錯誤發現數目的分布。此方法可將 檢定統計量間之相關性納入考量。我們利用這個分布計算連鎖分析的 FDR。我們的方法，能讓全基 因組連鎖分析結果更有效率地運用在致病基因的研究上。