使用纵向GWAS模型检测阿尔茨海默病的时间变化的遗传效应

科学领域:

• 遗传学 是一个遗传学.
• 神经科学是一个神经科学.
• 生物统计学 生物统计学

背景情况:

• 阿尔茨海默病 (AD) 的进展涉及复杂的,随时间变化的遗传影响.
• 纵向全基因组关联研究 (GWAS) 可以识别具有动态效应的遗传位置.
• 了解这些随时间变化的效应对于揭示AD病变的发病过程至关重要.

研究的目的:

• 在AD中使用纵向GWAS识别具有时间或年龄依赖作用的单核酸多态 (SNP).
• 调查对临床损伤和随着时间的推移而粉样蛋白积累的动态遗传影响.
• 通过结合时间变化的系数来增强AD-GWAS的统计能力.

主要方法:

• 利用了1877名阿尔茨海默氏症神经成像数据倡议 (ADNI) 参与者的纵向数据.
• 对于纵向GWAS,采用了可变系数复行混合模型关联测试 (RVMMAT).
• 分析了纵向损伤状态和粉样蛋白PET SUVR测量,并进行了后期途径和复制分析.

主要成果:

• 确定了244个全基因组显著的SNP,对临床损伤的时间影响有所不同,在70-80岁之间达到顶峰.
• 发现了73个全基因组显著的SNP,与粉样蛋白积累的时间变化有关,随着年龄的增长而增加影响.
• 途径分析揭示了重要的SNP涉及免疫反应和AD中的神经炎症途径.

结论:

• 具有时间变化的系数的纵向GWAS模型增强了AD遗传研究的统计能力.
• 发现了影响纵向临床和生物AD表型的新型时间变化的遗传变异.
• 为剖析AD等复杂疾病的动态遗传结构提供了一种强大的方法.