Geneetiline korrelatsioon

Geneetiline korrelatsioon (ingl genetic correlation; tähis $r_{g}$ või $r_{a}$ ) näitab, kui tugevalt on kahe (fenotüübilise) tunnuse geenidest mõjutatud osad omavahel korreleeritud. Kui organismil on avaldunud kaks erinevat tunnust $y_{1}$ ja $y_{2}$ , siis lihtsustatult saab mõlemad väärtused jagada kaheks liidetavaks:

$y_{1}=g_{1}+e_{1}$

$y_{2}=g_{2}+e_{2}$ ,

kus $g_{i}$ on geenidest tingitud osa ja $e_{i}$ on keskkonna (ingl environment) mõju ( $i\in \{1,2\}$ ). Tunnuste $y_{1}$ ja $y_{2}$ vaheline geneetiline korrelatsioon on $r_{g}={\mbox{cor}}(g_{1},g_{2})$ . Seda ei tohiks segi ajada fenotüüpidevahelise korrelatsiooniga $r_{y}={\mbox{cor}}(y_{1},y_{2})$ , mis võib olla tingitud ka keskkondade mõjude vahelisest korrelatsioonist $r_{e}={\mbox{cor}}(e_{1},e_{2})$ . Geneetilise korrelatsiooni väärtuste puhul kehtib alati $-1\leq r_{g}\leq 1$ .^[1]

Interpretatsioon[muuda | muuda lähteteksti]

Geneetilist korrelatsiooni tõlgendatakse sarnaselt tavalise korrelatsiooni mõistega. Kui korrelatsioon on võrdne nulliga, siis järelikult ühe tunnuse geneetilised mõjud on täielikult sõltumatud teise tunnuse geneetilistest mõjudest. Seevastu (absoluutväärtuselt) ühele lähedane korrelatsioon näitab väga tugevat seost tunnuste geneetiliste taustade vahel. Korrelatsiooni positiivne suund tähendab, et kui üks vaadeldav tunnus on geneetiliselt soodustatud suuri (väikseid) väärtuseid omama, siis ka temaga positiivselt korreleeritud tunnuse geneetilised mõjud soodustavad üldjuhul vastava tunnuse suuri (väikseid) väärtuseid. Negatiivse korrelatsiooni puhul on aga tunnuste väärtuste geneetiliste mõjude vahel vastassuunaline seos.^[2]

Kuna fenotüübiliste tunnuste puhul on geneetikale kontrastiks ka keskkonnamõjud, siis positiivne (negatiivne) geneetiline korrelatsioon ei garanteeri alati positiivset (negatiivset) fenotüübilist korrelatsiooni. Näiteks UK Biobanki uuritud 118 pidevast inimtunnusest on 29% protsendil geneetiline korrelatsioon ja keskkonnakorrelatsioon vastasmärgilised. Kui vastasmärgilistest korrelatsioonidest peaks keskkonnakorrelatsioon absoluutväärtuselt geneetilisest korrelatsioonist suuremaks osutuma, siis on võimalik ka olukord, kus kahe tunnuse vaheline fenotüübiline ja geneetiline korrelatsioon on vastassuunalised.^[3]

Geneetiline korrelatsioon ei ole sama, mis pärilikkus – huvi pakub kahe geneetiliste mõjude hulga ühisosa, mitte nende koguulatus. Kaks tunnust võivad mõlemad olla tugevalt pärilikud, kuid mitte omavahel geneetiliselt korreleeritud või vastupidi (kahe tunnuse nõrk pärilikkus, kuid tugev omavaheline korreleeritus).^[1] Näiteks olgu vaatluse all kaks tunnust: tume nahk ja tumedad juuksed. Mõlemad tunnused individuaalselt võivad olla väga tugeva pärilikkusega, st geneetika panus nendesse tunnustesse on väga suur. Nendevaheline geneetiline korrelatsioon seevastu võib olla väga madal, kui kumbki tunnus on mõjutatud erinevatest mittekattuvatest geneetilistest lookustest.

Geneetilise korrelatsiooni hindamine[muuda | muuda lähteteksti]

Geneetilisi korrelatsioone saab hinnata kas kaksikute/perekonnapõhise uuringu andmeid kasutades (SEM või DeFries-Fulkeri^[4] meetod) või geneetiliste markerite väärtuseid sisaldava valimi põhjal (LD skoori regressioon,^[5] BOLT-REML,^[6] CPBayes,^[7] HESS,^[8] GCTA jm). Juhul kui vaadeldavate fenotüüpide päritavused on madalad, võib geneetilise korrelatsiooni hinnang osutuda ebatäpseks.^[9]

Viited[muuda | muuda lähteteksti]

↑ ^1,0 ^1,1 S. R. Searle. Phenotypic, Genetic and Environmental Correlations. Biometrics, 1961, 17, 474–480.
↑ E. Käärik. Andmeanalüüs II loengukonspekt. 2017.
↑ O. Canela-Xandri et al. An atlas of genetic associations in UK Biobank. 2017.
↑ A. Ronald et al. Genetic Heterogeneity Between the Three Components of the Autism Spectrum: A Twin Study. JAACAP, 2006, 45 (6), 691–699.
↑ B. Bulik-Sullivan et al. LD Score regression distinguishes confounding from polygenicity in genome-wide association studies..Nature Genetics, 2015, 47, 291–295.
↑ P-R. Loh et al. Contrasting genetic architectures of schizophrenia and other complex diseases using fast variance-components analysis. Nature Genetics, 2015, 47, 1385–1392.
↑ A. Majumdar et al. An efficient Bayesian meta-analysis approach for studying cross-phenotype genetic associations. PLoS Genet, 2018, 14 (2): e1007139.
↑ H. Shi et al. Contrasting the genetic architecture of 30 complex traits from summary association data. Am J Hum Genet, 2016, 99 (1), 139–153.
↑ J. M. Cheverud. A Comparison of Genetic and Phenotypic Correlations. Evolution, 1988, 42, 958–968.

[:0-1] 1,0 ^1,1 S. R. Searle. Phenotypic, Genetic and Environmental Correlations. Biometrics, 1961, 17, 474–480.

[2] E. Käärik. Andmeanalüüs II loengukonspekt. 2017.

[Canela-Xandri2017-3] O. Canela-Xandri et al. An atlas of genetic associations in UK Biobank. 2017.

[4] A. Ronald et al. Genetic Heterogeneity Between the Three Components of the Autism Spectrum: A Twin Study. JAACAP, 2006, 45 (6), 691–699.

[BulikSullivan2015-5] B. Bulik-Sullivan et al. LD Score regression distinguishes confounding from polygenicity in genome-wide association studies..Nature Genetics, 2015, 47, 291–295.

[Loh2015-6] P-R. Loh et al. Contrasting genetic architectures of schizophrenia and other complex diseases using fast variance-components analysis. Nature Genetics, 2015, 47, 1385–1392.

[7] A. Majumdar et al. An efficient Bayesian meta-analysis approach for studying cross-phenotype genetic associations. PLoS Genet, 2018, 14 (2): e1007139.

[Shi2016-8] H. Shi et al. Contrasting the genetic architecture of 30 complex traits from summary association data. Am J Hum Genet, 2016, 99 (1), 139–153.

[9] J. M. Cheverud. A Comparison of Genetic and Phenotypic Correlations. Evolution, 1988, 42, 958–968.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]