Roman YSPH framework unterstützt bei der Identifizierung von Genen, die mit der Krankheit assoziiert

Ein leistungsfähiges analytisches Werkzeug, bekannt als GRÖßTER, entwickelt von Hongyu Zhao, Ph. D., Ira V. Hiscock Professor der Biostatistik an der Yale School of Public Health, und Kollegen ermöglichen könnte, Forscher design therapeutischen Drogen, die effektiver zu bekämpfen Krankheit.

Zhao erklärte, der Rahmen, die Ziele und Potenziale bei der Identifizierung von genetischen Assoziationen zu Krankheit in einem aktuellen interview.

Die Studie ist veröffentlicht in Nature Genetics .

Welche Herausforderungen bestehen derzeit in der Identifizierung von genetischen Assoziationen zu Krankheit und komplexen biologischen Merkmale?

HZ: das Verständnis der genetischen Architektur, die zugrunde liegenden komplexen menschlichen Eigenschaften und Krankheiten (z.B. Alzheimer, Fettleibigkeit, Krebs und andere) wichtig ist. Obwohl große Fortschritte erzielt wurden bis heute durch Genom-weite Assoziationsstudien, viel mehr kann gelernt werden, durch die Integration von verschiedenen Datensätzen zusammen zu extrahieren mehr Informationen. Unsere Rahmen, GRÖßTER (Unified Test für Molekulare Signaturen), ist entworfen, um die Nutzung der reichhaltigen Informationen von den wichtigsten Nationalen Instituten der Gesundheit Initiativen, wie die GTEx-Projekt, um Sie besser identifizieren Gene, die mit vielen komplexen Krankheiten.

Also, was hat die HÖCHSTE Plattform zu tun?

HZ: GRÖßTER ist ein umfassendes und mächtiges framework in der Lage die Durchführung der gen-Ebene, Assoziations-Analyse, nutzt gen-expression Informationen in vielen menschlichen Geweben gleichzeitig. Statt direkt zu studieren Assoziationen zwischen Phänotypen und genetische Variationen über eine population, die Krankheit-verbundenen Genen abgeleitet sind, die durch Auswertung der Korrelation zwischen krankheitsstatus und die unterstellten (predicted) gen-expression von genetischen Variationen entweder in einzelnen Gewebe oder mehreren Geweben.

Der wichtigste Schritt in diesem Ansatz ist die imputation Genauigkeit. Im Vergleich mit der single-Gewebe-Methoden Häufig verwendet, heute ist unser Ansatz erreicht einen Durchschnitt von 39% Verbesserung in der Anrechnung Genauigkeit und erzeugt die effektive Anrechnung Modelle für die im Durchschnitt 120% mehr Gene. Die verbesserte Anrechnung Genauigkeit für eine größere Anzahl von Genen ermöglichen es den Forschern zu identifizieren, mehr Krankheits-assoziierte Gene in der Zukunft.

Was sind einige der Möglichkeiten, die dieses neue Werkzeug kann angewendet werden im Bereich der öffentlichen Gesundheit?

HZ: Mit unser GRÖßTER Rahmen, haben wir festgestellt, 68 signifikanter Gene, die möglicherweise in Verbindung mit late-onset Alzheimer-Krankheit. Wir waren auch in der Lage, gewinnen Sie mehr Einblick und Verständnis in die biologischen Mechanismen im Zusammenhang mit anderen gen-expressions. Diese information hilft uns nicht nur besser zu verstehen, die zugrunde liegenden Ursachen von Krankheiten wie Alzheimer und bestimmten biologischen Merkmalen, kann es auch dazu führen, dass die Entwicklung neuartiger Therapeutika, vor allem, da mehr und mehr Daten generiert werden, im Hinblick auf die individuelle menschliche Genome, Zelltypen und molekulare Phänotypen.

Gibt es Einschränkungen bei GRÖßTER?