Dans Leclerc et al. (2015, Genetic Epidemiology, 39 (6), 406-414), un test d’association entre un ensemble de variants génétiques et des phénotypes censurées en présence de dépendance familiale est proposé. Ce test a été implémenté dans une librairie R nommée gyriq. Dans ce mémoire de maîtrise, nous évaluons par simulations la performance de ce test en présence d’un biais de sélection dû au protocole de collecte de données. En effet, dans plusieurs situations, les données médicales d’une famille sont considérées si et seulement si un membre particulier de cette famille, appelé proband, est diagnostiqué de l’évènement d’intérêt au moment de son examen médical. Nous développons plusieurs stratégies pour générer des données biaisées selon ce protocole. Nous examinons l’erreur de type 1 et la puissance du test d’association avec de telles données, en présence d’un ou plusieurs proband et lorsque les proportions d’échantillonnage conservent seulement les familles dont les probands ont développé l’évènement d’intérêt ou lorsqu’on conserve une proportion de cas où les probands n’ont pas eu l’évènement d’intérêt. Nous concluons que le test demeure valide en présence d’un biais de sélection mais que la puissance est réduite dans cette situation. De plus, le test n’est pas valide lorsque l’on inclut des familles où les probands n’ont pas développé l’évènement d’intérêt. / In Leclerc et al. (2015, Genetic Epidemiology, 39 (6), 406-414), an association test between a group of genetic variants and censored phenotypes in presence of intrafamilial correlation is proposed. This test was implemented in a R package named gyriq. In this master’s thesis,we evaluate, with simulations, the performance of this test in presence of a sampling bias which stems from the data collection protocol. Indeed, in many situations, medical data from a family are considered if and only if a particular member of this family, called proband, is diagnosed with the event of interest during his medical exam. We develop multiple strategies to generate biased data according to such data collection protocol. We examine type 1 error and power of the association test in presence of such data, in the cases where there are 1 or more probands and when we sample only families where the probands have the event of interest or when we also sample a small proportion of families where the event has not occured for the probands. We conclude that the association test remains valid in presence of a selection bias but that the test power is diminished. Furthermore, the test is not valid when we include families where the event of interest has not occured for the probands.

Les maladies complexes sont des maladies multifactorielles dans lesquelles plusieurs gènes et facteurs environnementaux peuvent intervenir et interagir. De nombreuses études ont identifié des locus (gènes ou régions chromosomiques), avec ou sans effets marginaux, qui interagissent pour contribuer au risque de la maladie. Pour les études d'association par polymorphismes, plusieurs méthodes ont été développées récemment pour évaluer l'interaction gène-gène. Cependant, les études d'association par haplotypes donnent parfois une meilleure puissance pour détecter l'association. Mais, la majorité de ces dernières ne permet pas d'évaluer les interactions entre les haplotypes de deux gènes et celles qui le permettent présentent des restrictions, comme l'utilisation du phénotype de la maladie en dichotomique (présence ou absence de la maladie) ou encore n'ajustent pas pour les facteurs environnementaux. Cette thèse traite cette problématique en deux volets : méthodologique et appliqué. Au niveau méthodologique, cette thèse rapporte une nouvelle méthode statistique pour effectuer l'analyse simultanée et l'analyse conditionnelle de deux régions indépendantes (gènes ou régions chromosomiques) dans les études d'associations par haplotypes des maladies complexes. Une étude de simulation a été effectuée pour confirmer sa validité. En présence d'un effet d'interaction entre les haplotypes de deux gènes avec ou sans effets marginaux, les résultats de l'étude de simulation ont montré que notre modèle d'analyse conditionnelle a plus de puissance pour détecter l'association et donne une estimation plus précise des effets comparativement aux méthodes alternatives disponibles actuellement. Au niveau appliqué, l'approche de la cartographie fine dans un premier échantillon de Québec avec une réplication dans un échantillon indépendant de Toronto a été mise à profit pour raffiner l'étude de deux gènes candidats de l'ostéoporose : ESRRG (estrogen receptor-related gamma) et ESRRA (estrogen receptor-related alpha). Pour ESRRG, cette approche combinée aux deux méthodes d'analyse, par polymorphismes ou par haplotypes, confirma son implication dans l'étiologie de la maladie chez les femmes d'origine européenne, tandis que pour ESRRA, elle a constitué une investigation approfondie révélant une association dans un premier échantillon de femmes préménopausées de Québec, mais sans réplication dans un deuxième échantillon indépendant de femmes préménopausées de Toronto. Puisque les deux gènes étudiés appartiennent au même sentier métabolique, l'effet conditionnel de ESRRA sachant ESRRG a été évalué par notre méthode. Cette analyse a révélé une association dans un premier échantillon, mais, encore une fois, sans réplication dans le deuxième échantillon. Ces résultats suggèrent que le premier gène est un gène de susceptibilité de l'ostéoporose. Toutefois, notre étude n'était pas concluante en ce qui concerne l'effet du deuxième gène ainsi que son effet conditionnel sachant l'effet du premier. Ainsi, une réplication dans un échantillon indépendant, de même taille ou plus grande que celle de l'échantillon de Québec, s'avère nécessaire pour confirmer ou infirmer les résultats observés chez les femmes provenant de la région métropolitaine de Québec.