后GWAS: 一个用于解读因果关系的Web服务器后全基因组关联研究的研究
Tao Wang1, Zhihao Yan1, Yiming Zhang2
1School of Computer Science, Northwestern Polytechnical University, Xi'an, 710072, China; Key Laboratory of Big Data Storage and Management, Northwestern Polytechnical University, Ministry of Industry and Information Technology, Xi'an, 710072, China.
本研究介绍了一个用户友好的Web服务器,集成了9种全基因组后关联研究 (GWAS) 方法. 它帮助研究人员从复杂的GWAS数据中识别因果变异和基因,帮助药物向发现.
科学领域:
- 遗传学 是一个遗传学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 全基因组关联研究 (GWAS) 确定了许多疾病易感变异,通常在具有高链接不平衡 (LD) 的非编码区域.
- 将这些GWAS信号转化为可操作的临床药物标需要识别特定的因果变异和基因.
- 现有的GWAS后分析方法多样化,通常需要大量的计算专业知识,缺乏集成的平台.
研究的目的:
- 开发和呈现一个用户友好的Web服务器,集成多个后GWAS分析方法.
- 为研究人员提供一个无的平台,从复杂的GWAS数据中识别因果变异和基因.
- 为了促进GWAS结果的解释和理解,而不需要先进的计算技能.
主要方法:
- 整合了9种不同的GWAS后方法和12种模型.
- 将方法分类为精细映射,局部化和全转录组关联研究 (TWAS) 方法.
- 开发一个Web服务器界面,用于可访问的分析和结果可视化.
主要成果:
- 现在可以使用一个全面的Web服务器进行GWAS后分析.
- 服务器集成了各种方法来解读复杂的GWAS信号中的因果关系.
- 它简化了因果变异和基因的识别,有助于药物向发现.
结论:
- 开发的后GWAS服务器为遗传学研究人员提供了方便和综合的解决方案.
- 它降低了复杂遗传数据分析的进入壁垒,促进了更广泛的采用.
- 便于将GWAS发现转化为潜在的临床应用和药物标.
更多相关视频
07:15Determining the Likelihood of Variant Pathogenicity Using Amino Acid-level Signal-to-Noise Analysis of Genetic Variation
Published on: January 16, 2019
09:37Navigating MARRVEL, a Web-Based Tool that Integrates Human Genomics and Model Organism Genetics Information
Published on: August 15, 2019
相关概念视频
Genome-wide Association Studies-GWAS
GWAS does not require the identification of the target gene involved in...
Evolutionary Relationships through Genome Comparisons
Genomics
