Signal Mapping for Region-Level GWAS Under Complex Linkage Disequilibrium (LD)

Region-level statistics reduce genome-wide multiple-testing burden, are robust to genetic heterogeneity, and improve power when multiple causal variants are present. Motivated by constrained regression tests, we define within-region genetic signal mapping scores that represent haplotype-specific LD bins. Using the RegionScan R package and Dashboard for comparative analysis and visualization, we analyse lipid traits in 23,000 individuals from the Canadian Longitudinal Study of Aging, in 93,400 regions identified by LD-based partitioning. We examine region detection and mapping performance across tests and evaluate signal-mapping strategies using variant-level and LD-bin-level scores in selected loci. Comparison of variant/bin prioritization by (1) forward/backward stepwise regression and (2) Bayesian conditional analysis (SuSiE) show that LD-adaptive approaches prioritize regions with well-established associations and identify bins and credible sets that capture known causal variants.

Cartographie des signaux dans les GWAS au niveau régional sous déséquilibre de liaison (DL) complexe

Les statistiques au niveau régional réduisent le fardeau des tests multiples à l'échelle du génome, sont robustes face à l'hétérogénéité génétique et améliorent la puissance statistique lorsque plusieurs variants causaux sont présents. Motivés par des tests de régression contrainte, nous définissons des scores de cartographie de signal génétique au niveau régional, représentant des intervalles de liaison génétique spécifiques à chaque haplotype. À l'aide du paquet R RegionScan et du tableau de bord associé pour l'analyse comparative et la visualisation, nous analysons les traits lipidiques de 23 000 participants de l'Étude Longitudinale Canadienne sur le Vieillissement, dans 93 400 régions identifiées par partitionnement du génome basé sur le DL. Nous examinons la performance de détection et de cartographie des régions selon différents tests et évaluons des stratégies de cartographie du signal au niveau des variants et à l’aide de scores au niveau des regroupements de variants selon le DL (bins) dans des loci sélectionnés. La comparaison de la priorisation des variants et intervalles par (1) régression progressive ascendante/descendante et (2) par analyse conditionnelle bayésienne (SuSiE) montre que les approches adaptatives au DL priorisent des régions présentant des associations bien établies et identifient des intervalles et ensembles crédibles capturant des variants causaux connus.

Session

Advances in Statistical Genetics II

Date and Time