Méthodes d'analyse génétique de traits quantitatifs corrélés : application à l'étude de la densité minérale osseuse

• Main Author: Saint Pierre, Aude
• Other Authors: Paris 11
• Language: fr
• Published: 2011
• Subjects: Génétique statistique; Trait complexe; Analyse bivariée; Échantillons sélectionnés; Puissance statistique; Analyse pangénomique; Analyse de liaison; Analyse d’association; Qtl; Dmo; Ostéoporose; Statistical genetics; Complex trait; Bivariate analysis; Sample selection; Statistical power; Genome-wide analysis; Linkage analysis; Association analysis; Ostéoporosis
• Online Access: http://www.theses.fr/2011PA11T005/document

La plupart des maladies humaines ont une étiologie complexe avec des facteurs génétiques et environnementaux qui interagissent. Utiliser des phénotypes corrélés peut augmenter la puissance de détection de locus de trait quantitatif. Ce travail propose d’évaluer différentes approches d’analyse bivariée pour des traits corrélés en utilisantl’information apportée par les marqueurs au niveau de la liaison et de l’association. Legain relatif de ces approches est comparé aux analyses univariées. Ce travail a étéappliqué à la variation de la densité osseuse à deux sites squelettiques dans une cohorted’hommes sélectionnés pour des valeurs phénotypiques extrêmes. Nos résultats montrentl’intérêt d’utiliser des approches bivariées en particulier pour l’analyse d’association. Parailleurs, dans le cadre du groupe de travail GAW16, nous avons comparé lesperformances relatives de trois méthodes d’association dans des données familiales. === The majority of complex diseases in humans are likely determined by both genetic andenvironmental factors. Using correlated phenotypes may increase the power to map theunderlying Quantitative Trait Loci (QTLs). This work aims to evaluate and compare theperformance of bivariate methods for detecting QTLs in correlated phenotypes by linkageand association analyses. We applied these methods to data on Bone Mineral Density(BMD) variation, measured at the two skeletal sites, in a sample of males selected forextreme trait values. Our results demonstrate the relative gain, in particular for associationanalysis, of bivariate approaches when compared to univariate analyses. Finally, we studythe performances of association methods to detect QTLs in the GAW16 simulated familydata.