DisSNPNet:使用链接不平衡,疾病相似性和1000个基因组项目数据集预测与疾病相关的单核酸多态性,并基于证据的验证
1School of Information and Communications Technology, Hanoi University of Science and Technology, No.1 Dai Co Viet, Bach Mai, Hanoi, 100000, Vietnam.
一个新的网络框架DisSNPNet通过整合遗传数据和疾病网络,有效地优先考虑与疾病相关的单核酸多态 (SNP). 这种方法增强了SNP发现,超出了传统的全基因组关联研究 (GWAS).
科学领域:
- 遗传学和生物信息学 遗传学和生物信息学
- 计算生物学 计算生物学
- 系统生物学 系统生物学
背景情况:
- 识别与疾病相关的单核酸多态 (SNP) 对于理解复杂的遗传疾病至关重要.
- 全基因组关联研究 (GWAS) 是有效的,但成本高且数据密集.
- 基于网络的方法提供了一个补充策略,通过利用链接不平衡 (LD) 和疾病关系来优先考虑候选变异.
研究的目的:
- 引入DisSNPNet,这是一个基于网络的异质框架,用于优先考虑与疾病相关的SNP.
- 整合染色体特定的SNP LD网络,疾病相似性网络和已知的疾病-SNP关联.
- 与现有方法相比,评估DisSNPNet的性能和生物相关性.
主要方法:
- 通过整合SNP LD网络 (1000基因组项目数据),基于MeSH的疾病相似性网络和CAUSALdb疾病-SNP关联,构建了DisSNPNet.
- 应用随机步行与重新启动算法来对每个疾病的SNP进行排名.
- 通过三重交叉验证 (AUROC,AUPR) 评估预测性能,并通过GWAS资源和KEGG途径丰富评估生物可信性.
主要成果:
- DisSNPNet的表现始终优于仅使用SNP的LD网络,异质网络实现了更高的AUROC和AUPR.
- 强大的LD网络 (r2 ≥0.8) 提高了精度,特别是在不平衡的数据集中.
- 排名最高的SNP显示了比随机预期更大的GWAS证据,表明非随机丰富,并揭示了各种疾病类型的连贯生物机制.
结论:
- DisSNPNet提供了一个强大的和可解释的框架,用于优先考虑与疾病相关的SNP.
- 该方法提供了一个可扩展的,证据支持的方法,用于SNP优先级和假设生成.
- DisSNPNet补充了实验和基于人口的研究,增强了对复杂疾病遗传学的理解.
更多相关视频
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
08:27Large-Scale Multi-Omics Genome-Wide Association Studies Mo-GWAS: Guidelines for Sample Preparation and Normalization
Published on: July 27, 2021
相关概念视频
Genome-wide Association Studies-GWAS
GWAS does not require the identification of the target gene involved in...
Single Nucleotide Polymorphisms-SNPs
Pharmacogenomics: Identification of New Drug Targets
Comparing Copy Number Variations and SNPs
Copy number variations or CNVs are the structural variations that cover more than 1kb of DNA sequence. The single nucleotide polymorphism (SNP), on the other hand, is a single nucleotide change or a point mutation that is found in more than 1%...
Modern Molecular Taxonomy
Evolutionary Relationships through Genome Comparisons
