了解基因相互作用导致癌症发展的更好的统计方法

LSU Health新奥尔良公共卫生学院的惠益林议员领导的研究由劳工组织新奥尔良学派的副卫生学士学位，已经开发出一种评估与癌症和其他复杂疾病相关的基因对基因相互作用的另一种新的统计方法。添加剂 - 添加剂9相互作用（AA9INT）方法在发布的纸上描述生物信息学。

“该方法可以识别遗传变异的组合，以预测癌症风险和预后，”林博士“也是纸张的主要作者。

AA9Int基于另一个方法LIN开发，SNP交互模式标识符（SIPI），以识别与之间的交互单核苷酸多态性（SNPS）。根据国家卫生研究院，“单一核苷酸多态性，经常被称为SNPS（发音为”剪裁“）是人们中最常见的遗传变异类型。每个SNP表示单个DNA构建块的差异，称为核苷酸。最常见的是，这些变异是在基因之间的DNA中发现。它们可以充当生物标志物，帮助科学家定位与疾病相关的基因。当SNP发生在基因内或在基因附近的调节区内时，它们可能会更多通过影响基因的功能直接作用。“

虽然SNP-SNP或基因 - 基因相互作用研究已经出现，但评估SNP-SNP相互作用的统计方法仍在其初期。测试SNP交互的传统方法是使用具有两种主要效果的分层交互模型以及将其与ANS的交互作为添加性继承模式。然而，这种方法只测试一种特定类型的相互作用，这可能导致许多错误的负面调查结果。

SNP交互模式标识符（SIPI），彻底搜索癌症和其他复杂疾病中有意义的SNP-SNP相互作用模式的第一个统计方法，可以检测常规统计方法的新型SNP相互作用。SIPI评估45个SNP交互模式。然而，其计算需求很大，这对于大规模研究可能是不可取的。所以，林和她的同事们寻求较小的版本，测试模型较少，但具有相似的功率。他们表明，SIPI-AA9INT的迷你版本，由九个交互模型组成 - 仅使用约20％的计算时间。对于大规模研究更有效和可行，AA9Int仍然比传统方法更有效。

“我们发现AA9Int成功地检测到SIPI识别的SNP对的72-90％，”林报道。“不打算替换SIPI，但对于大规模的研究，AA9Int是一种功能强大的工具，可以单独使用或作为两级方法（AA9Int + SIPI）的筛选阶段来检测SNP-SNP相互作用。”

研究团队还研究了遗传模式和模型结构对检测SNP-SNP交互的影响。SNP交互模式标识符（SIPI）通过考虑三个主要因素来评估SNP交互模式：模型结构（分层和非等级模型），遗传继承模式（主导，隐性和添加剂）和模式编码方向。AA9Int考虑非分层模型结构和添加模式。他们发现非分级式模型在SNP交互检测中发挥比继承模式更重要的作用。

“这些鉴定的基因 - 基因或SNP-SNP相互作用增加了我们对癌症发育的生物机制的理解，并可能改善癌症诊断准确性并降低未来与癌症相关的死亡。”林的结论。

---

---