探索利用局部遗传相关性模式的方法之间的相似性和差异,通过对多种长期疾病的全基因组协会研究来识别共同的因果位置
Rebecca Darlay1, Rupal L Shah1, Richard M Dodds2
1Population Health Sciences Institute, Faculty of Medical Sciences, Newcastle University, Newcastle Upon Tyne, UK.
确定高血压和2型糖尿病等疾病之间的共同遗传区域至关重要. 新的分析方法表明,LAVA和r-HESS是确定这些关键基因组区域的最可靠方法.
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:
- 遗传关联分析揭示了特征之间的共同遗传基础.
- 目前的全基因组分析往往在确定负责这种相关性的特定基因组区域时缺乏精度.
- 确定这些区域可以优先考虑基因来研究共享的生物机制.
研究的目的:
- 为了比较旨在检测局部遗传相关性的统计工具的性能.
- 确定特定的基因组区域,有助于复杂疾病之间的共同遗传相关性.
- 用模拟和现实世界的数据来评估不同方法的可靠性.
主要方法:
- 应用多种统计工具 (LAVA, ρ-HESS, SUPERGNOVA, LOGODetect) 来对欧洲祖先全基因组关联研究 (GWAS) 的总结统计数据.
- 分析了三个疾病对:高血压与心房动,高血压与慢性病,高血压与2型糖尿病.
- 使用计算机模拟与英国生物银行遗传数据验证了工具性能.
主要成果:
- 通过不同的工具识别的基因组区域中观察到显著的不一致性.
- 一些确定的区域显示了跨方法的重叠,而另一些则是单一工具的独特性.
- 模拟表明,LAVA和r-HESS提供了最可靠的共享遗传因素的识别,HDL-L也具有竞争力.
结论:
- 现有的局部遗传关联分析工具产生不一致的结果.
- 在识别真正的共同遗传区域方面,LAVA和r-HESS显示出卓越的可靠性.
- 进一步调查方法之间的差异是有必要的,以完善复杂疾病遗传学的分析.
更多相关视频
08:27Large-Scale Multi-Omics Genome-Wide Association Studies Mo-GWAS: Guidelines for Sample Preparation and Normalization
Published on: July 27, 2021
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
相关概念视频
Genome-wide Association Studies-GWAS
GWAS does not require the identification of the target gene involved in...
Behavioral Genetics and Its Designs
The primary methodologies used in behavior genetics include family studies, twin studies, and adoption studies, each providing unique...
Modern Molecular Taxonomy
Human Genetics
The complex relationship between genetics and psychology is observable through common biological components such...
Single Nucleotide Polymorphisms-SNPs
Evolutionary Relationships through Genome Comparisons
