新闻 
教育 
房产 
旅游 
机械 
汽车 
美食 
SEO 
网站首页GWAS：用大数据解密基因和人类疾病的关系
时间：2021-05-30 21:06:18 阅读：241
| 随着DNA测序技术的不断进步,全基因组关联分析(Genome-wideassociationstudy,GWAS)作为一种研究包括人体疾病在内的多种生物体重要性状遗传基础的方法得到了快速的发展。 全基因组关联分析是对不同个体的全基因组遗传变异进行观察研究,以确定是否有任何变异与某一性状相关GWAS通常侧重于单核苷酸多态性(SNP)与主要人类疾病等特征之间的关联,但同样适用于任何其他遗传变异和任何其他生物体GWAS通过对大量携带丰富变异和明显表型的个体进行基因重测序,发现基因和性状之间的联系。 当应用于人类数据时,全基因组关联分析比较了具有不同表型的实验个体的DNA这些参与者包括患有某种疾病的人和类似的没有这种疾病(对照组)的人,也可能是对某种特定特征(例如血压)具有不同表型的人每个人都会提供一个DNA样本,通过测序获得数百万个基因变异如果一种类型的变异(一个等位基因)在疾病患者中更常见,这种变异就被认为与疾病有关相关的SNP被认为是人类基因组中一个可能影响疾病风险的区域GWAS研究了整个基因组,这与专门研究少数预先指定的遗传区域的方法不同因此,与特异性基因候选驱动研究相比,GWAS是一种非候选驱动方法GWAS确定了与疾病相关的SNP和DNA中的其他变异,但他们不能单独确定哪些基因是致病的。 全基因组关联研究(GWAS)已迅速成为疾病基因发现的标准方法当它开始得到应用后,人们认为GWAS将为揭示遗传复杂的疾病等位基因提供一种有效的方法GWAS设计的前提是,人类基因组中广泛的共同变异,如频率大于1%的SNP(单核苷酸多态性)是造成大多数基因复杂疾病的风险的原因也就是说,因为GWAS的成功取决于能够从统计学上检测到一个SNP与一个易感基因变体的连锁不平衡的联系,所以该突变必须具有足够的频率才能检测到通常使用大量的样本来得到足够的SNP位点,以捕获病例和对照样本中的连锁不平衡GWAS需要三个基本要素  1)从群体中获得足够大的研究样本,有效地提供有关研究问题的遗传信息;(2)能够廉价有效地进行基因分型并充分覆盖整个基因组的多态等位基因;(3)具有统计功能的分析方法和被用来以一种无偏见的方式识别遗传联系。GWAS有几个问题和局限性,这可以通过适当的质量控制和研究设置加以解决这些问题主要有缺乏定义明确的病例和对照组样本量不足多重检验的控制和群体分层的控制[58]特别是多重检验的统计问题,其中主要是因为大量的统计实验导致前所未有的假阳性结果的可能性除了这些容易纠正的问题之外,一些更微妙但重要的问题也浮出水面,有一项GWAS研究就是这样的一个例子，该研究调查了具有很长寿命的个体,以确定与寿命相关的SNP由于病例组和对照组中的基因分型的类型之间存在差异,导致一些SNP被错误地认为与寿命相关的。这项研究随后被撤回,但后来出版了一份修改过的手稿。 除了这些可预防的问题外,GWAS也受到了更多的基本原理上的批评,主要是因为GWAS的假设:共同的基因变异在解释同一种疾病的遗传变异中起着很大的作用[61]此外个体对疾病状态的反应或补偿机制的广泛变异会抵消并掩盖与疾病相关的潜在基因变异[62]此外,GWAS的研究所依据的人群以及大多数GWAS来自欧洲数据库,没有将已识别的变异转化为其他非欧洲人群的方法。 |
郑重声明：文章内容来自互联网，纯属作者个人观点，仅供参考，并不代表本站立场 ，版权归原作者所有！
相关推荐
