Relationship inference and inbreeding in forensic genetics

Abstract

Inference of relatedness between individuals is of interest in fields as disparate as animal breeding, archaeology, medical genetics and genealogy. In the forensic context, emphasised in this thesis, applications include paternity cases, pedigree reconstruction and disaster victim identification. We focus on two approaches to kinship inference: The likelihood ratio (LR) framework and estimation of relatedness parameters. The former compares two hypotheses, while the latter estimates the most likely set of relatedness parameters to describe the observations. We restrict attention to relatedness between pairs of individuals. Statistical properties of the LR for non-inbred relationships are already derived in the literature. We extend this work to allow for inbred individuals, by modelling pairwise relationships through the Jacquard coefficients. Further, we investigate LR testing in the context of database searches, with focus on a search type called blind search. A blind search comprises a large number of pairwise comparisons and the expected performance of this search type needs to be addressed. In particular, we demonstrate how to decide on optimal LR thresholds to control the Family Wise Error Rate. A Bayesian framework for kinship testing can be useful, particularly when there are more than two hypotheses. We demonstrate this by including informative prior probabilities to help distinguish between hypotheses. Maximum likelihood estimation of relatedness is addressed in the thesis. The uncertainty of the estimate is investigated through parametric and non-parametric bootstrapping. We discuss the difference between these methods and how they attempt to mimic the random process that created the genetic data of two individuals.

Avhandlingen handler om testing og estimering av familierelasjoner mellom individer. Det er mange anvendelser, f.eks. innen oppdrett, arkeologi, medisinsk genetikk og slektskapsforskning. Anvendelsesområder i en rettsgenetisk sammenheng er blant andre farskapstesting, rekonstruksjon av slektstrær og identifikasjon av omkomne etter katastrofer. I denne avhandlingen fokuserer vi på to tilnærminger til inferens av slekskap: LR (’Likelihood ratio’) rammeverket og estimering av slektskapsparametre. Den første tilnærmingen sammenligner likelihood for to hypoteser, mens den andre fremgangsmåten søker etter det mest sannsynlige slektskapet blant alle mulige slektskap. Analysene i denne avhandlingen er begrenset til parvise slektskap. Statistiske egenskaper for LR for ikke-inngiftede individer er utledet i litteraturen. I avhandlingen utvider vi dette arbeidet til slektskap generelt, ved bruk av Jacquard koeffisienter for modellering av slektskap. Videre undersøker vi bruk av LR testing for databasesøk. Vi konsentrerer oss om en søketype kalt ’blind search’, der alle par i en database blir testet for visse slektskap. Potensielt mange tester blir utført i et slikt søk og det er derfor behov for å evaluere de statistiske egenskapene til slike søk. Vi demonstrerer hvordan vi kan finne en optimal terskelverdi for hver LR test, slik at ’Family Wise Error Rate’ holdes på et akseptabelt nivå. En Bayesisk tilnærming til slektskapstesting kan være nyttig spesielt når det er mer enn to hypoteser. Vi demonstrerer dette ved bruk av informative a priori sannsynligheter for de forskjellige hypotesene. Avhandlingens siste del omhandler estimering av slektskapsparametre. Parametrisk og ikke-parametrisk bootstrap blir brukt til å undersøke usikkerheten i estimatene. Vi diskuterer forskjellen mellom disse to bootstrapmetodene og hvordan de forsøker å etterligne den stokastiske prosessen som gir opphav til de genetiske dataene.