Analyser une table génotypique 2X2 au lieu dune table 3X2

Cela pourrait être une question simple pour les spécialistes chevronnés de la génétique statistique. Jai fouillé dans cela en faisant une analyse pour une amie en marge dune tâche bioinformatique pour laquelle je laidais. Une opportunité pour moi dapprendre de nouvelles choses.

Pour le contexte: jai un tableau des fréquences génotypiques pour les cas et les témoins sains de différentes ethnies. Mon hypothèse est quune gravité de la maladie est associée au génotype. Autrement dit, une mutation de GG à GA ou AA pourrait augmenter la gravité de la maladie.

Jai identifié quelques tests pour les tendances qui sont intéressants pour ma question: le test de tendance Cochran-Armitage et le chi carré test pour explorer lindépendance des génotypes.

Plus précisément, jaime être corrigé / critiqué / conseillé sur ma stratégie danalyse. La fonction R prop.trend.test () peut-elle être utilisée dans le même but que le test CA si jai une table de génotype 2X2 (pas dallèle) au lieu dune table 3X2?

Donc pour gentoypes GG (cas = 41, contrôle = 29), GA (n = 1,2) et AA (n = 0,2). Je veux voir sil existe une tendance associée à lhomozygote AA uniquement, je peux faire un tableau 2X2 comme suit:

 Control Case RowTotals AA 0 2 2 GA+GG 42 31 73 colTotals 42 33 75 

Ensuite, faites prop.trend. test (c (2,31), c (2,73)) en utilisant les totaux des lignes.

De même, si je veux voir si limplication de lallèle A montre une tendance, je peux modifier le tableau comme suit et faire prop.trend.test (c (29,4), c (70,5)) :

 Control Case RowTotals GG 41 29 70 GA+AA 1 4 5 colTotals 42 33 75 

Les génotypes des cas et des témoins sont en équilibre Hardy-Weinberg. La maladie que je teste a une faible prévalence, je ne sais pas si la maladie est multiplicative et donc jutilise des génotypes au lieu de fréquences alléliques, jai lu que dans un article suggérant que ces trois hypothèses doivent être valables pour travailler avec des comptes alléliques. De plus, la taille de mon échantillon est trop petite et ne comprend que 34 observations et 41 contrôles.

Mon idée a-t-elle un sens?

Commentaires

  • Avez-vous essayé ma méthode de prop.trend.test mentionnée dans la réponse ci-dessous?

Réponse

Depuis il y a respectivement 41, 1 et 0 cas sur un total de 70, 3 et 2 sujets pour GG, AG et AA, prop.trend.test peut être effectué comme suit:

> prop.trend.test(c(41,1,0), c(70,3,2)) Chi-squared Test for Trend in Proportions data: c(41, 1, 0) out of c(70, 3, 2) , using scores: 1 2 3 X-squared = 3.3444, df = 1, p-value = 0.06743 

Cela montre quil existe une tendance à une association significative de réduction du risque de maladie avec lallèle A, puisque la proportion de cas passe de GG à AG à AA (de 59% à 33% à 0%) .

Edit: Comme indiqué dans les commentaires, le test Cochran-Armitage est le test préféré pour cette situation ( https://en.wikipedia.org/wiki/Cochran%E2%80%93Armitage_test_for_trend#Application_to_genetics )

> CA_df<-data.frame(case=c(41,1,0), control=c(29,2,2)) > independence_test(control ~ case, data=CA_df) Asymptotic General Independence Test data: control by case Z = 1.4139, p-value = 0.1574 alternative hypothesis: two.sided 

On devrait également pouvoir le faire après avoir combiné des groupes dallèles A:

> CA_df<-data.frame(case=c(41,1), control=c(29,4)) > independence_test(control ~ case, data=CA_df) Asymptotic General Independence Test data: control by case Z = 1, p-value = 0.3173 alternative hypothesis: two.sided 

Commentaires

  • Tha nks, jai utilisé prop.trend.test () de cette façon, ce qui fonctionne bien. Je voulais aller plus loin et en savoir plus sur la légitimité de la modification des tableaux en 2X2 pour souligner la tendance du génotype AA dans les cas ainsi que la tendance combinée AA / GA dans les cas dans le contexte du WT GG.
  • Le résultat que jobtiens de prop.trend.test () est significativement différent de ce que jobtiens du test Cochrane-Armitage qui est ahurissant. Comment cela peut-il être expliqué. Voici mon code library(coin) CA_df<-data.frame(case=c(41,1,0), control=c(29,2,2)) independence_test(control ~ case, data=CA_df)
  • Je suis daccord que le test Cochran-Armitage doit être fait. en.wikipedia.org/wiki/… Jai modifié ma réponse.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *