新的计算方法预测疾病基因可能是因果关系

一个新的计算方法由芝加哥大学的科学家们提高了检测的基因可能是复杂疾病的因果和生物特征。PrediXcan方法估计,基因表达水平在整个基因组——一个衡量生物行动比单一突变,并集成了全基因组关联研究(GWAS)数据。PrediXcan有可能识别基因治疗的目标应用程序更快的速度和更大的精度比传统的方法。它描述了在网上自然遗传学2015年8月10日。

“PrediXcan告诉我们基因更有可能影响疾病或性状通过学习基因型之间的关系,基因表达水平从大规模转录组研究中,从GWAS研究和疾病的关联,”研究负责人有Kyung Im博士说,研究助理(助教)芝加哥大学遗传医学。“这是第一个方法,占基因调控的机制,并且可以应用于任何遗传疾病或表型。”

全基因组关联研究中一个关键的工具检测的基因参与复杂的疾病,如糖尿病和癌症或高度和肥胖等特征。gwas确定这些链接通过识别单字母的DNA变异更频繁地出现在个人疾病或感兴趣的特征。然而,大量的后续工作需要理解这些变异的作用机制。大多数疾病有关的变异是不改变基因的功能,而是改变细胞的基因复制的数量。这些研究不能确定因果关系等因素造成的基因调控——一个基因变异可能有助于改变真正的因果基因的表达水平,GWAS仍未被发现。

转录组的研究,如国家卫生研究所的Genotype-Tissue表达式(GTEx)计划旨在克服这种限制通过研究基因表达水平和调控机制及其与疾病的关系,而不是唯一的DNA序列。但转录组研究也有很大的局限性,无法确定反向因果关系——无论是基因表达水平改变的疾病,还是疾病出现由于基因表达改变。

开发的方法检测基因和物种特征之间的相互关系,避免了这些问题,我和她的同事们整合转录组和GWAS数据到一个单独的计算框架,它们PrediXcan命名。该方法使用计算算法学习基因组序列如何影响基因表达,基于GTEx等大规模转录组数据集。这可以用于创建计算估计从任何整个基因组序列或基因表达水平的芯片数据集。

基因组已经测序GWAS的一部分可以通过PrediXcan运行配置文件来生成一个基因的表达水平,然后进行分析,以确定基因之间的关系表达水平和疾病状态或感兴趣的特征进行了研究。

方法不仅可以识别潜在的因果基因,它可以确定方向——无论是高或低水平的表达可能导致疾病或特征。计算是基于DNA序列数据,而不是实物测量,它可以区分由基因决定组件的基因表达特征本身的影响(避免反向因果关系)和其他因素如环境。PrediXcan,验证研究最多只需要测试一个几千的基因,而不是数以百万计的潜在的单突变。此外,该方法可用于分析现有的基因组数据集高通量的方式关注机制,解决GWAS研究的一大空白。

“这将我们知道的后果转录组的遗传变异,以发现的基因,而不是仅仅看突变,”我说。“在某种程度上,我们建模一个机制,通过哪些基因影响疾病或性状,基因表达水平的规定。”

虽然PrediXcan可以发现在高通量基因和特征之间的联系方式,我注意到,因为它创建了基于估计基因组序列强劲的数据,是最准确的遗传特征。然而,几乎每一个复杂性状或疾病有遗传因素。该方法可以用于预测该组件的影响,减少后续研究的复杂性。

我现在努力提高PrediXcan的预测和应用精神健康障碍患者。此外,她正在努力扩大它基因表达水平,预测疾病或性状之间的联系和蛋白质水平,表观遗传学和其他测量可以估计基于基因组数据。

“GWAS研究已经非常成功地发现基因的链接疾病,但他们无法解释机制,”我说。“我们现在有一个计算方法,使我们能够理解GWAS研究的后果。”