Résumé 225 :
Identification d'interactions GxE ou GxG en cas d'hétéroscédasticité au moyen de modèles de mélanges de régression : application aux GWAS
Verbanck, Marie ; Skrobek, Boris ; Yengo, Loïc
Institut de Biologie de Lille
Nous proposons d'utiliser les modèles de mélange de régressions comme outil de détection d'interactions génotype$\times$environnement ou génotype$\times$génotype.
En effet, la très grande majorité des outils utilisés dans la littérature est basée sur des modèles d'interaction. Or les modèles d'interaction permettent de détecter des interactions en supposant un modèle homoscédastique, contrairement aux modèles de mélanges de régressions.
La stratégie du modèle de mélange de régressions est comparée au test de Levene très couramment utilisé pour détecter des SNP (single nucleotide polymorphism) en interaction à la fois sur des données simulées et sur un SNP (rs7202116)
présentant des différences significatives de variances de l'IMC (indice de masse corporelle) entre ses génotypes.
Le modèle de mélange de régressions fournit des résultats très prometteurs sur les données simulées puisqu'il est plus performant que le test de Levene dans un grand nombre de situations.
De plus, sur les données d'une cohorte française de population générale composée de 4570 individus, le modèle de mélange de régressions détecte une interaction très significative pour le SNP rs7202116 contrairement au test de Levene.