Une nouvelle mesure du nombre effectif de tests, un outil pratique pour comparer les familles de tests de signification non indépendants

Les p-valeurs issues des tests de signification peuvent être combinées en utilisant la correction de Sidák (ou la correction de Bonferroni étroitement liée) ou la méthode de Fisher, mais ces deux méthodes nécessitent que les p-valeurs combinées soient indépendantes lorsque toutes les hypothèses nulles testées sont vraies. Dans cet article, des ajustements à ces méthodes sont proposés, utilisant une nouvelle mesure basée sur les valeurs propres du nombre effectif de tests indépendants auxquels les tests réels effectués sont équivalents, et sont comparés aux ajustements proposés par des auteurs précédents. Les méthodes ajustées sont évaluées en utilisant un échantillon de 726 cas de la maladie d'Alzheimer (MA) et 707 témoins appariés en groupe, génotypés à 84 975 loci de polymorphisme mononucléotidique dans 2 000 gènes choisis au hasard. Les tests pour l'association génétique avec la MA à des loci dans chaque gène sont combinés. Le nombre de loci testés par gène varie de 2 à 994. Les p-valeurs combinées ajustées s'accordent bien avec la signification des p-valeurs combinées déterminées empiriquement par permutation aléatoire des données (correction de Sidák : r=0.990 ; méthode de Fisher : r=0.994). Cela indique que les p-valeurs combinées peuvent être utilisées pour évaluer la force relative des preuves de l'association de ces gènes avec la MA. L'ajustement proposé ici est un raffinement de celui de Nyholt (2004 Am. J. Hum. Genet. 74:765-769), donnant un meilleur accord avec les résultats de la permutation aléatoire. L'amélioration obtenue est similaire à celle donnée par le raffinement proposé par Li et Ji (2005 Heredity 95:221-227). Il est conclu que le concept d'un nombre effectif de tests est une approximation valide qui permet de combiner les p-valeurs de manière très informative.