整合eQTL和GWAS数据,建立了特征并确定了新的偏头痛风险位置
Ammarah Ghaffar1, , Dale R Nyholt2
1Statistical and Genomic Epidemiology Laboratory, School of Biomedical Sciences, Faculty of Health, Centre for Genomics and Personalised Health, Queensland University of Technology, Brisbane, QLD, 4059, Australia. a.ghaffar@qut.edu.au.
Human genetics
|May 28, 2023
概括
这项研究比较了全转录组关联研究 (TWAS) 归算模型,以确定偏头痛风险基因. 弹性网和SMultiXcan模型成功地描述了已知的位置,并发现了新的基因,有助于未来的偏头痛研究.
科学领域:
- 遗传学 是一个遗传学.
- 神经科学是一个神经科学.
- 生物信息学是一种生物信息学.
背景情况:
- 偏头痛是一种常见的复杂大脑疾病,其分子机制不清楚.
- 全基因组关联研究 (GWAS) 已经确定了偏头痛风险位置,但因果变异和基因需要进一步调查.
研究的目的:
- 为了比较三种转录组广泛关联研究 (TWAS) 归算模型 (MASHR,弹性网,SMultiXcan) 用于表征已确定的偏头痛GWAS风险位置.
- 使用TWAS方法识别假定新型偏头痛风险基因位点.
主要方法:
- 将标准TWAS (49个GTEx组织,邦费罗尼校正) 与5个相关组织的TWAS和使用Bonferroni-matSpD校正的TWAS进行了比较.
- 在49个GTEx组织中使用了弹性网和SMultiXcan模型.
- 评估了基因与eQTLs (PP4>0.5) 和差异性表达的同地化.
主要成果:
- 使用Bonferroni-matSpD的弹性网模型标志着最成熟的偏头痛GWAS风险位 (n=20) 与同色的eQTLs.
- 在非GWS GWAS位置上,SMultiXcan确定了最可疑的新型偏头痛风险基因 (n=28).
- 在所有TWAS方法中,在32个独立的基因组位点确定了62个假定的新型偏头痛风险基因,其中21个在最近的一项强大的GWAS中得到证实.
结论:
- 该研究为偏头痛基因发现选择和利用TWAS归算模型提供了指导.
- 弹性网和SMultiXcan是有效的TWAS方法,用于表征已知的和识别新的偏头痛风险位置.
- TWAS方法显著提高了对偏头痛遗传结构的理解.
更多相关视频
04:41Mapping Alzheimer's Disease Variants to Their Target Genes Using Computational Analysis of Chromatin Configuration
Published on: January 9, 2020
19.0K
11:35Screening for Functional Non-coding Genetic Variants Using Electrophoretic Mobility Shift Assay EMSA and DNA-affinity Precipitation Assay DAPA
Published on: August 21, 2016
13.0K
