《Biometrical Journal》：Testing for Genetic Interactions in Complex Disease With Distance Correlation
编辑推荐：
理解上位性（epistasis，基因互作）可揭示常见疾病包括精神分裂症（schizophrenia）的基因组基础。距离相关性（distance correlation）是一种关联度量，刻画随机变量之间的一般统计独立性而非仅线性关联。研究人员提出将距离相关性作为
理解上位性（epistasis，基因互作）可揭示常见疾病包括精神分裂症（schizophrenia）的基因组基础。距离相关性（distance correlation）是一种关联度量，刻画随机变量之间的一般统计独立性而非仅线性关联。研究人员提出将距离相关性作为从单核苷酸多态性（Single-Nucleotide Polymorphisms，SNP）病例对照数据中检测上位性的新工具。在方法学方面，研究人员强调推导检验统计量的显式渐近零分布（explicit asymptotic null distribution）。研究人员指出，在文献中重采样技术不实用的场景下，这是使方法具备实际可用计算速度的唯一途径。模拟研究显示显著性校准令人满意，且功效（power）与现有方法相当或更优。研究人员将技术应用于精神分裂症遗传学数据集，获得具有生物学合理性的见解。
《Biometrical Journal》刊发的该论文以精神分裂症（schizophrenia）等复杂疾病遗传机制为背景，指出精神科多数疾病为多因子复杂性状，由遗传与环境因子共同决定，单个因子既非必要也非充分，且效应微弱。已有全基因组关联研究（Genome-Wide Association Studies，GWAS）多关注加性模型，但生物学证据表明基因-基因互作即上位性（epistasis）可能解释“缺失遗传力（missing heritability）”现象。研究人员面对的核心问题是：SNP基因型为三元离散变量（0、1、2个次要等位基因拷贝），而现有大尺度相关检验（Large-Scale Correlation Tests，LCT）如Cai and Liu方法在连续变量上表现良好，直接用于SNP数据仅能检出连锁不平衡（Linkage Disequilibrium，LD）而非疾病相关互作，因此亟需适用于三元空间的独立性检验工具。
研究人员开展的研究是将距离相关性（distance correlation）推广至基数为3的离散空间，用以检测病例组中依赖、对照组中独立的SNP对，从而识别与上位性有关的信号。结论是该框架可得到显式渐近零分布，模拟中校准良好、功效不低于BOOST，在精神分裂症数据中对遗传调控基因表达水平检出真实信号。意义在于首次将能量统计衍生的距离协方差用于三元SNP空间的大规模多重检验，为复杂疾病上位性检测提供非参数、模型无关的新路径。
作者为开展研究用到的关键技术方法包括：将三元SNP空间嵌入强负型（strong negative type）度量空间，采用离散度量（discrete metric）而非欧氏距离以对遗传模型保持不可知；推导距离协方差（distance covariance，dcov）在离散度量与欧氏度量下的渐近零分布，形式为独立卡方变量线性组合，并以插件估计边际频率计算系数，用Duchesne and Lafaye de Micheaux算法求分位数；以加利西亚精神分裂症病例对照队列（cases与controls，SNP数约637万）为实证对象，配合GTEx脑特异表达SNP子集；用Benjamini and Hochberg错误发现率（False Discovery Rate，FDR）阈值，并设染色体间或大于1 Mb物理距离过滤LD；以BOOST为对照，用qexp与qmult人群模型做功效模拟；用STRING数据库验证蛋白功能互作，用Wilcoxon–Mann–Whitney检验比较秩差。
研究结果如下。
2 Distance Correlation in Metric Spaces。研究人员综述欧氏空间距离相关性、广义距离协方差、负型空间与度量空间非参数独立性检验理论，说明dcov在强负型空间可刻画“独立当且仅当dcov为0”，但一般文献靠置换检验，因二次型系数难估。
3 Distance Correlation–Based Test for Epistasis。研究人员将理论特化到3点空间，指出三元SNP无生物学理由假设0、1、2呈线性剂量，故用等边离散度量；并给出Theorem 3.1离散度量下、Theorem 3.2欧氏度量下n·dcov2的渐近零分布为λ?χ2?+λ?χ2?等形式；Corollary 3.3据此构造渐近水平α检验，只在病例拒独立、对照不拒独立时判为候选上位性，反之归为群体分层（population substructure）导致的伪互作。
4 Simulations。研究人员设indep、qexp、qmult模型，边际频率服从Hardy–Weinberg平衡、次要等位频率均匀取0.05至0.2；结果显示图2中dcov与BOOST均随名义水平近似对角，校准可接受；图3中qexp与qmult下dcov功效随偏离独立增强而上升，且与BOOST相当或更优。
5 Application to a Case-Control Study of Schizophrenia。5.1 Illustration中rs6972158（NPSR1）与rs61749697（GNAS）在病例p=0.041、对照p=0.966，STRING综合置信0.619，说明候选互作有生物学合理性。5.2 Experiment I: Functional Enrichment中在错义SNP子集用FDR 0.05与1 Mb过滤，得113对病例特异、95对对照特异，突触相关基因比例差不显著，但引向调控区重要。5.3 Experiment II: Gene Expression中用GTEx脑特异遗传调控SNP，1272对病例特异显著多于1137对对照特异，唯一SNP与秩差检验均显著，表明在遗传调控基因表达（mRNA）层面检出真实信号。
讨论部分研究人员指出，距离相关性可在3点边际空间刻画独立，显式渐近零分布使大尺度多重检验可行；该方法在离散SNP空间与能量统计文献中无先例。模拟校准好、功效高且多场景优于BOOST。精神分裂症数据显示在遗传调控基因表达层面结果合理，与近年调控区上位性证据一致。研究人员也承认所有上位性检测都存在假阳性与功效不足，真实数据发现困难。
研究结论部分翻译：距离相关性已被证明可在某些度量空间刻画独立性，本文确立该理论对3点边际空间成立，并据此设计基于距离相关性一般独立性刻画的假设检验，将大尺度相关检验思想拓展至三元数据。研究人员推导出所出现距离协方差统计量的显式渐近零分布；据研究所知，离散空间（基因组学或其他领域）中距离相关性的使用、尤其用于搜索SNP–SNP互作此前无文献先例，也无研究尝试用能量统计衍生技术做大规模多重检验。模拟显示显著性校准充分、对不同备择功效较高，且在所研场景中通常优于BOOST。研究人员用精神分裂症数据库得到遗传调控基因表达层面生物学合理的結果；近期研究提示基因组调控区之间存在上位性，支持本文发现。由于所有流行上位性检测器均伴大量假阳性且功效不高，本方法（如其他所有方法）主要局限是真实数据下坚实发现很难；上位性检测仍极挑战，距成熟尚远。未来工作可包括其他伪度量、线粒体单倍体与核基因组三元变量独立检验、任意类别数分类变量检验，以及SNP与连续/二值/生存表型独立性检验（即GWAS边际效应检验）。
