استفاده از رگرسيون منطقي براي شناسايي اثرات متقابل برخي از پلي‌مورفيسم‌هاي ژني و ساير عوامل خطر بر سطح پايين HDL : مطالعه‌ي قند و ليپيد تهران

Logic Regression Analysis for Finding Interaction Effects of Genes Polymorphisms and Other Risk Factors on Low HDL: Tehran Lipid and Glucose Study

مقدمه: رگرسيون منطقي يك روش رگرسيوني تعميم‌ يافته است كه مي‌تواند اثرات متقابل پيچيده بين متغيرهاي دوحالتي را تشخيص دهد. به دليل اهميت تقابل‌هاي ژنتيكي، اين روش در بررسي‌هاي ژنتيكي با موفقيت استفاده شده ‌است. هدف پژوهش حاضر، بررسي ارتباط بين كلسترول ـ HDL و برخي از پلي‌مورفيسم‌هاي مرتبط با آن، با استفاده از رگرسيون منطقي است. مواد و روش‌ها: داده‌هاي 436 نفر (172 مرد و 264 زن) كه به طور تصادفي از ميان شركت‌كنندگان فاز 3 مطالعه‌ي قند و ليپيد تهران با سن 20 سال يا بيشتر انتخاب شده‌ بودند، مورد تجزيه و تحليل قرار گرفتند. براي تشخيص اثرات اصلي و متقابل پلي‌مورفيسم‌هاي ژني مرتبط با كلسترول ـ HDL، از رگرسيون منطقي با تابع پيوند لجستيك استفاده گرديد. براي جلوگيري از بيش‌برازش شدن مدل از آزمون‌ اعتبار متقاطع، و براي يافتن تركيب‌هاي منطقي مناسب و برآورد ضرايب آن‌ها از الگوريتم جستجوي ‌Simulated Annealing استفاده شد. يافته‌ها: براساس يافته‌هاي آزمون اعتبار متقاطع، مدل منطقي با 3 تركيب بولي و 4 پيش‌بيني‌كننده بهترين اندازه براي مدل منطقي بود. مدل منطقي برازش ‌داده ‌شده نشان داد افرادي با الل ?3 در پلي‌مورفيسم ژن ApoE يا تري‌گليسريد بالا نسبت به افراد ديگر شانس 35/2 برابري با فاصله اطمينان 95% (25/4و 3/1) براي داشتن سطح پايين كلسترول ـ HDL دارند. از سوي ديگر، داشتن تري‌گليسريد بالا به تنهايي نيز قادر است شانس داشتن كلسترول ـ HDL پايين را 73/2 برابر افزايش دهد (فاصله اطمينان 95%: 53/4و 65/1). نتيجه‌گيري: يافته‌ها نشان داد براي داشتن كلسترول ـHDL پايين، بين تري‌گليسريد بالا و پلي‌مورفيسم ژن Apoe، اثر متقابل وجود دارد. رگرسيون منطقي به عنوان يك روش جديد قادر به تشخيص چنين اثرات متقابلي است.

Introduction: Logic regression is a generalized regression method that can identify complex Boolean interactions of binary variables. This method has been successfully used for analyzing single-nucleotide polymorphism data, because in SNP association studies interactions are important. The aim of this study is to investigate the associations between some candidate gene polymorphisms and HDL concentration using Logic Regression. Materials and Methods: Subjects for this cross sectional study, 436 subjects (172 men and 264 women) aged?20 with some polymorphisms, were randomly selected from among participants of the Tehran Lipid and Glucose Study (TLGS). Logic regression analysis was used to identify combinations of main genetic effects and interactions associated with HDL. Cross validation and randomization test were done to avoid over fitting of the models. Results: Cross validation test suggested that the Logic model with four Boolean combinations and four predictors was the best logic model, which after fitting, showed that individuals who carry Apoe SNP ?3 or have high TG have an odds ratio of 2.35 ( CI 95%:1.3-4.25) for having low HDL compared to other subjects. Also subjects with high TG have odds ratio 2.73 (CI 95%: 1.65,4.53) for having low HDL. Conclusion: Results of this study shows that Logic Regression is a powerful method to determine the interaction effect between high TG and ApoE SNP for having low HDL.