Inhaltsverzeichnis - Mathematisches Institut der Universität zu Köln

DMV Tagung 2011 - Köln, 19. - 22. September
Thorsten Dickhaus
Humboldt-Universität zu Berlin, derzeit: Technische Universität Clausthal
Über die effektive Anzahl an Tests in genetischen Assoziationsanalysen
Wir studieren exakte Tests für Kontingenztafeln, insbesondere exakte Chi-Quadrat Tests und exakte Tests
vom Fisher-Typ. In der Praxis werden solche Tests typischerweise ohne Randomisierung ausgeführt,
was zu reproduzierbaren Ergebnissen führt, jedoch das Signifikanzniveau nicht voll ausschöpft. Wir
demonstrieren, dass dies zu methodischen und praktischen Schwierigkeiten führen kann, wenn, wie in
genetischen Assoziationsstudien, viele Tafeln gleichzeitig zu analysieren sind, vgl. dazu auch Finner et
al. (2010). Der dort vorgeschlagene Lösungsansatz, die Verwendung von realisierten randomisierten
p-Werten, erweist sich als besonders nützlich für daten-adaptive plug-in Prozeduren aus der modernen
Theorie multipler Tests.
Darüber hinaus bearbeiten wir das Problem positiv korrelierter marginaler p-Werte in Assoziationsanalysen
und gehen auf Techniken zur Multiplizitätsreduktion ein, die von der Korrelationsstruktur (beschrieben
durch Kopplungsungleichgewichte, englisch: linkage disequilibrium, LD) genetischer Marker Gebrauch
machen. Durch Kombination von (i) Verwendung realisierter randomisierter p-Werte, (ii) Schätzen des
Anteils informativer Marker und (iii) Ausnutzung der LD-Struktur kommen wir zu einer Methode, die
„effektive Anzahl an Tests“ zu bestimmen.
Anhand von Realdatenbeispielen zeigen wir die Stärken der Methode in der Praxis auf.
Literatur
Dickhaus, T., Straßburger, K., Schunk, D., Morcillo, C., Navarro, A. (2011). Refined statistical inference
methods for contingency table analyses in genetic association studies. In Revision.
Finner, H., Strassburger, K., Heid, I. M., Herder, C., Rathmann, W., Giani, G., Dickhaus, T., Lichtner, P.,
Meitinger, T., Wichmann, H.-E., Illig, T., Gieger, C. (2010). How to link call rate and p-values for Hardy-
Weinberg equilibrium as measures of genome-wide SNP data quality. Statistics in Medicine, 29, 2347 -
2358.
124