通过将转录因子相关的转变变异体整合到转录组范围的关联分析中来增强疾病风险基因的发现

科学领域:

• 遗传学 遗传学 是一个
• 生物信息学是一种生物信息学.
• 系统生物学 系统生物学

背景情况:

• 全转录组关联研究 (TWAS) 将基因表达与全基因组关联研究 (GWAS) 整合起来,以识别疾病基因.
• 目前的TWAS方法主要利用cis变体,使基因表达预测的trans变体在很大程度上未被探索.
• 转录因子 (TFs) 在基因调节中起着至关重要的作用,使得TF-linked变异对理解基因表达很重要.

研究的目的:

• 引入transTF-TWAS,这是一个新的方法,将TF-linked的变体纳入TWAS.
• 提高TF下游目标基因的基因表达和替代拼接的预测.
• 通过利用跨作用变异来改善疾病易感基因的识别.

主要方法:

• 通过将TF-链接的转变变体集成到基因表达预测模型中,开发了transTF-TWAS.
• 利用基因型-组织表达 (GTEx) 项目数据进行模型培训.
• 将开发的模型应用于各种疾病的大型GWAS数据集,包括乳腺癌,前列腺癌和肺癌.

主要成果:

• 与现有的TWAS方法相比,transTF-TWAS在构建基因表达预测模型方面表现出卓越的性能.
• 该方法在识别与疾病相关的基因方面明显优于其他TWAS方法.
• 模拟和真实数据分析证实了transTF-TWAS的疗效.

结论:

• transTF-TWAS在发现疾病风险基因方面取得了重大进展.
• 这项研究强调了TF相关的转变变异在理解遗传易感性方面的重要性.
• 这些发现为基因驱动的TF调节器及其疾病监管网络提供了新的见解.