人类身高的遗传学研究进展

人类身高是由环境和遗传因素共同决定的,遗传学研究发现遗传因素对身高差异的影响更大。身高是典型的多基因遗传性状,科研人员试图运用传统的连锁分析和关联分析寻找和发现对人类身高具有显著影响的常见DNA序列变异,但进展缓慢。近年来,随着基因分型和DNA测序技术的发展,人类身高的遗传学研究取得了很多突破性进展。全基因组关联分析(GWAS)的应用,发现和证实了上百个与人类身高相关的单核苷酸多态性位点(SNPs),拓展了人们对人类生长和发育的相关遗传学认识,同时也为研究人类其他复杂性状提供了理论依据和借鉴。本文综述了人类身高的遗传学研究进展,探讨了目前该研究领域所存在的问题和未来发展方向,以期为今后人类身高相关的遗传学研究提供参考和借鉴。     

2型糖尿病易感基因的连锁和关联研究

2型糖尿病（T2DM）是由于胰岛素抵抗和β细胞分泌缺陷导致高血糖的一种复杂多基因疾病。遗传因素在T2DM的发生发展中起着重要的作用,其遗传率估计为70％～80％。鉴定2型糖尿病基因将有助于阐明其发病机制,发展更好的诊断、预防和治疗策略。2型糖尿病易感基因的鉴定方法主要有候选基因关联研究和全基因组连锁分析。有3种类型的候选基因：功能候选基因、图位候选基因和表达候选基因。虽然许多候选基因与T2DM的关联分析已经进行,但多数都没有得到一致的重复,过氧化物酶体增殖物激活受-γ,体和β-细胞ATP敏感性钾通道基因是目前最好重复的基因。迄今为止,T2DM的全基因组扫描已在20多个不同的群体中进行,包括欧洲人、美国白人、墨西哥裔美国人、美国本地印度人、非洲裔美国人和亚洲人,这些研究鉴定了一些与T2DM相关的QTLs区域。与T2DM显著和证实连锁的区域包括1q25、2q37．3q28、3p24、6q22、8p23、10q26、12q24、18p11、20q13等,与T2DM提示连锁的区域有1q42、2p21、2q24、4q34、5q13、5q31、7q32、9p24、9q21、10p14、11p13、11q13、12q15、14q23、20p12、Xq23等。鉴定这些区域的T2DMQTLs基因及其作用机制是未来的主要挑战。把DNA微阵列和蛋白质组学技术结合起来应用于传统的连锁分析和关联研究,研究基因-基因间、基因-环境间的互作和多个基因对T2DM的加性效应和综合作用,进一步加强国际协作,T2DM的遗传机制可望在不远的将来得到阐明。本文总结了2型糖尿病基因鉴定的现状,重点在一些得到重复的区域和未来的展望。     

胆固醇代谢紊乱的遗传学研究进展

心血管病已成为威胁我国人群健康的首要疾病,而胆固醇代谢紊乱是心血管病发生发展的重要危险因素之一。近年来高通量技术的推广和群体基因组学的发展极大地促进了复杂性状(或疾病)易感基因或突变的发现,为深入解析胆固醇代谢紊乱的遗传学病因提供了机会。文章整合传统遗传分析和近期GWAS筛查的结果,对胆固醇代谢紊乱的分子遗传研究进展进行了综述,结合通路富集分析揭示胆固醇代谢紊乱的功能背景,以期更好地理解胆固醇代谢紊乱致病的分子机制,为其防治提供线索。     

糖尿病肾病动物模型的研究进展

糖尿病肾病是糖尿病的主要并发症之一,也是终末期肾衰的元凶,其发病机制至今尚未阐明。因此,建立理想的实验动物模型是研究糖尿病肾病发病机制、疾病防治、新药开发的关键环节。本文回顾并分析了有关该疾病模型的国内外文献,从造模方法、发病机制、病理改变、适用条件、模型的优缺点等方面进行比较分析,为选择合适的动物模型应用于糖尿病肾病的研究提供参考。     

流感病毒的反向遗传学研究进展

反向遗传学是指对病原微生物的cDNA进行目的性修饰,以对其进行功能和表型的分析[1]。它是相对于经典遗传学而言的,后者是从生物的性状、表型到遗传物质来研究生命的发生与发展规律。反向遗传学则是在获得生物体基因组全部序列的基础上,通过对靶基因进行必要的加工和修饰,如定点     

心源性卒中的遗传学研究进展

心源性卒中是缺血性脑卒中的重要病因之一,表现出病情重、预后差和复发率高的特点。在遗传学研究中已经有相当多与心源性卒中相关的基因被鉴定,这些易感基因在疾病风险预测及危险因素评估的潜力也陆续被发掘。本文从全基因组关联研究、拷贝数变异研究、全基因组测序研究等方面综述了心源性卒中遗传学研究的相关进展,并介绍了其遗传数据集在多基因风险评分、孟德尔随机化的应用,旨在为将来深入研究心源性卒中的遗传发生机制提供借鉴和参考。     

糖尿病肾病动物模型的研究进展

糖尿病肾病是终末期肾衰的主要原因,也是糖尿病致命的重要原因。但是糖尿病肾病的致病机制迄今尚不完全明了,理想的动物模型无疑可对糖尿病肾病的研究提供重要线索。糖尿病肾病动物模型包括诱发性、自发性和转基因等多种类型的动物模型,各种类型的动物模型在疾病的发生发展、病理生理变化等多个方面与人类糖尿病肾病具有相似的特征。应用这些模型有助于开展对糖尿病肾病的防治、发病机理、相关药物的开发等多方面的研究。     

糖尿病肾病发病机制研究进展

糖尿病肾病(DN)是糖尿病(DM)最常见的慢性并发症,也是终末期肾病(ESRD)的主要原因,其治疗费用巨大。其发病机制主要涉及遗传易感性、糖代谢紊乱、肾血流动力学的改变、细胞因子、炎症机制已及氧化应激等方面。本文就以上作用机制的最新研究进展作一综述。     

孟德尔随机化分析慢性肾病与癫痫的因果关系

目的：使用双向两样本孟德尔随机化（Mendelian randomization, MR）分析方法研究慢性肾病（chronic kidney disease, CKD）、估算肾小球滤过率（eGFR）和白蛋白尿与癫痫的因果关系。方法：首先获取欧洲人群中CKD、e GFR、白蛋白尿相关GWAS数据集及癫痫各表型相关GWAS数据集。进行双向双样本MR研究。以逆方差加权法（IVW）分析结果为主,以加权中位数法（weighted median,WME）、MR Egger回归结果为补充分析因果关系。计算F值统计量检验工具变量的稳定性,使用Cochran's Q统计法进行异质性检验,采用MR-Egger截距检验评估多效性,留一法评估作为工具变量的单核苷酸多态性(SNP)对暴露和结局因果关系影响的敏感性。结果：本研究正向MR分析结果表明：CKD、白蛋白尿、e GFR和癫痫各表型中。CKD与局灶性癫痫（IVW OR:1.09, 95%CI:1.012～-1.172,P=0.022）尤其是除海马硬化型局灶性癫痫（IVW OR:1.029, 95%CI:1.007-1.052,P=0.008）患病风险显著相关。在CKD相关分类测量指标：eGFR和白蛋白尿。二者与癫痫之间的关联探究中,未发现对癫痫各表型发病显示出明确的因果关系。此外,在反向MR分析结果中：癫痫各表型与CKD患病风险亦无明显因果关系。结论：CKD是局灶性癫痫,尤其是除海马硬化型局灶性癫痫的危险因素,e GFR和白蛋白尿对癫痫各表型无因果关系,各表型癫痫对CKD患病风险没有因果关系。     

糖尿病肾病合并非糖尿病肾病的临床病理分析

目的：分析糖尿病肾病合并非糖尿病肾病的临床病理特点。方法：选取我院肾内科收治的临床诊断为糖尿病肾病的患者56例,肾脏穿刺进行肾脏活体组织检查,通过病理诊断将患者分为两组,分别为糖尿病肾病组和糖尿病肾病合并非糖尿病肾病组,比较两组患者的糖尿病病程、糖化血红蛋白、血压、血肌酐、血尿素氮、血尿酸、血清白蛋白、尿蛋白定量、血尿、视网膜病变。结果：经肾脏组织活检,56例患者中NDRD 患者24 例(42.9%),DN患者32 例(57.1%);对24 例NDRD患者进行病理类型分类,其中IgA肾病33.0%,膜性肾病25.0%、系膜增生性肾小球肾炎20.2%、高血压肾损害8.3%、微小病变4.2%、局灶节段硬化性肾炎4.2%、新月体性肾小球肾炎4.2%。与DN组比较,NDRD 组糖尿病病程、糖化血红蛋白、血尿、视网膜病变均有差异(P＜0.05);而血肌酐、血尿素氮、血尿酸、血清白蛋白、尿蛋白定量均无明显差异(P＞0.05)。结论：临床诊断的糖尿病肾病患者中有很大一部分实际上为糖尿病肾病合并非糖尿病肾病,且以IgA 型肾病比较多见,糖尿病病程、糖化血红蛋白、血尿、视网膜病变对鉴别二者具有一定的指导意义。     

老年痴呆的遗传机制研究进展

老年痴呆症,又称阿尔茨海默病(Alzheimer’s disease,AD),是威胁老年人健康的主要疾病之一。根据发病年龄,AD可分为早发性(early-onset Alzheimer’s disease,EOAD)和迟发性(late-onset Alzheimer’s disease,LOAD)两种,两者均受到遗传因素的影响。目前已知3个致病基因导致家族性EOAD的发病:淀粉样前体蛋白基因(β-amyloid precursor protein,APP)、早老素1基因(presenilin 1,PSEN1)和早老素2基因(presenilin 2,PSEN2)。而近年来在全基因组关联分析(genome-wide association study,GWAS)等新技术的支持下,研究者相继发现并报道了一系列影响LOAD易感性的风险基因多态性位点。试对上述AD相关致病基因和主要风险基因加以简要介绍,深入探索这些基因的功能有助于对AD病理生理机制的认知。     

多基因遗传风险评分（PRS）在遗传疾病研究中的应用与前景：数据分析方法综述

多基因遗传风险评分（polygenic risk score,PRS）是一种新兴的遗传数据分析方法。该方法通过对个体多个遗传变异位点的综合考虑,对个体复杂疾病的遗传风险进行定量评估,在遗传学领域受到广泛关注,同时该方法的有效性也在临床应用中得到进一步验证。由于PRS的计算涉及大量的基因组数据分析,其模型的数据选择、构建方法以及验证方法均存在较大差异。本综述结合目前已发表的PRS相关研究和算法,对PRS模型以及其应用进行阐述。     

宿主遗传背景与肠道微生物互作研究进展

“微生物”这一名词指非常小的生物,如古菌、细菌、原生生物、真菌和病毒,肠道“微生物组”表示的是肠道微生物集合体。它们实际上共享宿主的身体空间,但作为宿主健康和疾病的决定因素却几乎被忽视。作为信息的集合,微生物组包括微生物的基因组数据、结构元件、代谢物和环境条件。最近对肠道微生物组的研究表明,微生物群落在维持宿主稳态和调节宿主表型上发挥着重要作用。随着包括二代测序(next-generation sequencing, NGS)在内的新技术的出现以及微生物群落序列谱等深入测定技术出现,人们对肠道微生物组与宿主遗传背景之间的关系有了许多见解。本文通过肠道微生物组学的概述,基于全基因组关联分析技术建立肠道微生物组学与宿主遗传之间联系,并对宿主遗传学与肠道微生物组的关系及未来发展前景进行探讨。     

Genome-wide association studies on prostate cancer: the end or the beginning?

Prostate cancer (PCa) is the second most frequently diagnosed malignancy in men. Ge nome-wide association st udies (GWAS) has been highly successful in discovering susceptibility loci for prostate cancer. Currently, more than twenty GWAS have identified more than fifty common variants associated with susceptibility with PCa. Yet with the increase in loci, voices from the scientific society are calling for more. In this review, we summarize current findings, discuss the common problems troubling current studies and shed light upon possible breakthroughs in the future. GWAS is the beginning of something wonderful. Although we are quite near the end of the beginning, post-GWAS studies are just taking off and future studies are needed extensively. It is believed that in the future GWAS information will be helpful to build a comprehensive system intergraded with PCa prevention, diagnosis, molecular classification, personalized therapy.     

Progress and promise in understanding the genetic basis of common diseases

Susceptibility to common human diseases is influenced by both genetic and environmental factors. The explosive growth of genetic data, and the knowledge that it is generating, are transforming our biological understanding of these diseases. In this review, we describe the technological and analytical advances that have enabled genome-wide association studies to be successful in identifying a large number of genetic variants robustly associated with common disease. We examine the biological insights that these genetic associations are beginning to produce, from functional mechanisms involving individual genes to biological pathways linking associated genes, and the identification of functional annotations, some of which are cell-type-specific, enriched in disease associations. Although most efforts have focused on identifying and interpreting genetic variants that are irrefutably associated with disease, it is increasingly clear that—even at large sample sizes—these represent only the tip of the iceberg of genetic signal, motivating polygenic analyses that consider the effects of genetic variants throughout the genome, including modest effects that are not individually statistically significant. As data from an increasingly large number of diseases and traits are analysed, pleiotropic effects (defined as genetic loci affecting multiple phenotypes) can help integrate our biological understanding. Looking forward, the next generation of population-scale data resources, linking genomic information with health outcomes, will lead to another step-change in our ability to understand, and treat, common diseases.