使用纵向全基因组关联研究模型检测阿尔茨海默病中时间变化的遗传效应

科学领域:

• 神经遗传学 神经遗传学
• 阿尔茨海默氏症疾病研究研究
• 计算生物学 计算生物学

背景情况:

• 阿尔茨海默病 (AD) 的进展涉及复杂的,可能改变的遗传影响.
• 在全基因组关联研究 (GWAS) 中的纵向数据分析可以识别新的遗传位置.
• 了解依赖年龄的遗传影响对于阿尔茨海默病研究至关重要.

研究的目的:

• 使用纵向GWAS方法识别与阿尔茨海默病相关的年龄依赖单核酸多态 (SNP).
• 研究遗传因素对阿尔茨海默病诊断和粉样蛋白积累的时间变化的影响.
• 在一个独立的数据集中验证已识别的时间变化的遗传效应.

主要方法:

• 对1877名阿尔茨海默氏症神经成像数据倡议参与者的纵向数据进行了回顾性变化系数混合模型关联测试 (RVMMAT).
• 分析纳入了参与者的损伤状态和粉样质正子辐射断层扫描 (PET) 扫描标准化吸收值比率 (SUVR) 随时间的推移.
• 使用可变系数测试来检测影响AD表型的年龄相关SNP.

主要成果:

• 在RVMMAT中,确定了244个显著的SNP,其对AD损伤状态的影响随时间而变化.
• 其中12个SNP位于19号染色体上,使用国家阿尔茨海默氏症协调中心的数据进行了验证.
• 年龄分层分析表明,这些SNP的峰值效应在70至80岁之间,另外73个SNP与纵向粉样蛋白积累有关.
• 路径分析表明免疫和神经炎症路径的参与.

结论:

• 纵向GWAS模型有效地揭示了阿尔茨海默病中时间变化的遗传信号.
• 随着时间的推移,对阿尔茨海默病表型的遗传影响,包括认知状态和粉样蛋白负担,会发生变化.
• 这些发现为AD的动态遗传结构提供了新的见解.