The identification of genetic variants that are associated with disease risk is an important goal of genetic association studies. Standard approaches perform univariate analysis where each genetic variant, usually Single Nucleotide Polymorphisms (SNPs), is tested for association with disease status. Though many genetic variants have been identified and validated so far using this univariate approach, for most complex diseases a large part of their genetic component is still unknown, the so called missing heritability. We propose a Kernel-based measure of variable importance (KVI) that provides the contribution of a SNP, or a group of SNPs, to the joint genetic effect of a set of genetic variants. KVI can be used for ranking genetic markers individually, sets of markers that form blocks of linkage disequilibrium or sets of genetic variants that lie in a gene or a genetic pathway. We prove that, unlike the univariate analysis, KVI captures the relationship with other genetic variants in the analysis, even when measured at the individual level for each genetic variable separately. This is specially relevant and powerful for detecting genetic interactions. We illustrate the results with data from an Alzheimer's disease study and show through simulations that the rankings based on KVI improve those rankings based on two measures of importance provided by the Random Forest. We also prove with a simulation study that KVI is very powerful for detecting genetic interactions.

中文翻译：

---

基于核的变量重要性的度量，用于遗传关联研究。

与疾病风险相关的遗传变异的鉴定是遗传关联研究的重要目标。标准方法执行单变量分析，其中测试每个遗传变异（通常是单核苷酸多态性（SNP））与疾病状况的关联。尽管到目前为止，已经使用这种单变量方法鉴定并验证了许多遗传变异，但对于大多数复杂疾病，其遗传成分的很大一部分仍是未知的，即所谓的遗传力缺失。我们提出了一种基于核的可变重要性（KVI）度量，该度量提供SNP或一组SNP对一组遗传变异的联合遗传效应的贡献。KVI可用于分别对遗传标记进行排名，形成连锁不平衡块的一组标记或位于基因或遗传途径中的一组遗传变异。我们证明，与单变量分析不同，KVI捕获了分析中与其他遗传变异的关系，即使在每个遗传变量的个体水平上进行单独测量时也是如此。这对于检测遗传相互作用特别相关且功能强大。我们用来自阿尔茨海默氏病研究的数据说明了结果，并通过模拟显示了基于KVI的排名基于随机森林提供的两种重要衡量指标而提高了这些排名。我们还通过仿真研究证明，KVI在检测遗传相互作用方面非常强大。即使在每个遗传变量的单独水平上进行测量时，KVI也会在分析中捕获与其他遗传变异的关系。这对于检测遗传相互作用特别相关且功能强大。我们使用来自阿尔茨海默氏病研究的数据说明了结果，并通过模拟显示，基于KVI的排名基于随机森林提供的两种重要度量来提高这些排名。我们还通过仿真研究证明，KVI在检测遗传相互作用方面非常强大。即使在每个遗传变量的单独水平上进行测量时，KVI也会在分析中捕获与其他遗传变异的关系。这对于检测遗传相互作用特别相关且功能强大。我们使用来自阿尔茨海默氏病研究的数据说明了结果，并通过模拟显示，基于KVI的排名基于随机森林提供的两种重要度量来提高这些排名。我们还通过仿真研究证明，KVI在检测遗传相互作用方面非常强大。的疾病研究并通过模拟显示，基于KVI的排名基于随机森林提供的两种重要度量来提高这些排名。我们还通过仿真研究证明，KVI在检测遗传相互作用方面非常强大。的疾病研究并通过模拟显示，基于KVI的排名基于随机森林提供的两种重要度量来提高这些排名。我们还通过仿真研究证明，KVI在检测遗传相互作用方面非常强大。