细菌全基因组关联研究的方法与应用

随着测序技术的发展和全基因组序列的不断积累,全基因组关联研究(genome-wide association study, GWAS)在人类复杂疾病研究中取得了丰硕成果,10余年间发现了数以万计的疾病风险因子。同样,GWAS也为探索细菌表型的遗传机制提供了新的工具。自2013年第一项细菌GWAS(bacterial GWAS, BGWAS)工作发表以来,目前已有10多项相关研究报道,分别揭示了细菌宿主适应性、耐药性及毒力等表型的遗传机制,极大加深了人们对细菌遗传、进化及传播等方面的认识。本文对目前BGWAS的研究方法、应用成果及存在的问题进行了总结,并对BGWAS的研究前景进行了展望,旨在为微生物学领域开展BGWAS研究提供参考。     

全基因组关联研究在复杂性疾病遗传研究中的应用

在过去的几年中,人们应用全基因组关联研究(genomewide association studies,GWAS)对多种人类复杂性疾病及性状进行研究,如糖尿病、肿瘤、心血管疾病、神经精神系统疾病、自身免疫性疾病等,且已经鉴定出大量与之密切相关的遗传变异,为进一步探索人类复杂性疾病的遗传特征提供重要线索。但是,由于影响复杂性疾病的因素较多,许多已发现遗传变异对疾病贡献较小,作用机制尚不清楚,现全基因组关联研究亦存在许多问题。今本文就GWAS在复杂性疾病中的应用做一综述,并就其前景做一展望。     

冠心病全基因组关联研究进展

近年来全基因组关联研究在世界范围内发展迅猛,研究者应用全基因组关联研究策略发现了一系列疾病的相关基因或变异,将疾病的基因组研究推向一个新的阶段。冠心病是一种由环境因素和遗传因素共同作用导致的复杂疾病,且是世界范围内死亡和致残的首要原因之一,世界各地的研究者应用此策略发现了候选基因关联研究未曾发现的多个冠心病相关易感区域。文章对近年来世界范围内针对冠心病的全基因组关联研究取得的重要进展进行简要总结,然后就现阶段全基因组关联研究所面临的挑战以及对未来研究的发展趋势进行分析阐述,为进一步探究冠心病的遗传机制提供指导。     

基于基因组关联数据识别阿尔茨海默病相关通路

阿尔茨海默病又称老年性痴呆,是一种复杂的中枢神经系统退行性疾病,本文选取一套阿尔茨海默病全基因组关联分析(GWAS)数据,利用Proxy Gene LD软件进行基因水平上的检验,利用Web Gestalt数据库进行遗传通路分析,识别出320个显著(P0.05)的阿尔茨海默病相关基因、8个显著的KEGG通路和41个显著的GO功能类,这些研究结果对进一步揭示阿尔茨海默病潜在的发病机制具有重要意义。     

全基因组关联研究现状

在过去的5年中, 全基因组关联研究(Genome-wide association study, GWAS)方法已被证明是研究复杂疾病和性状遗传易感变异的一种有效手段。目前, 各国科学家在多种复杂疾病和性状中开展了大量的GWAS, 对肿瘤、糖尿病、心脏病、神经精神疾病、自身免疫及免疫相关疾病等复杂疾病以及一些常见性状(如身高、体重、血脂、色素等)的遗传易感基因研究取得了重大成果。截止到2010年9月11日, 运用GWAS开展了对近200种复杂疾病/性状的研究, 发现了3 000多个疾病相关的遗传变异。文章就GWAS的发展及其在复杂疾病/性状中的应用做一综述。     

基于高通量测序的全基因组关联研究策略

全基因组关联研究（Genome-wide association study, GWAS）是人类复杂疾病研究的重要组成部分之一,在群体水平检测全基因组范围的遗传变异与可观测性状间的遗传关联。传统的GWAS是以芯片（Array）技术获得高密度的遗传变异,尽管硕果累累,但也存在不少问题。如：所谓的“缺失的遗传力”,即利用关联分析检测达到全基因组水平显著的遗传变异位点只能解释小部分遗传力;在某些性状上不同研究的结果一致性较弱;显著关联的遗传变异位点的功能较难解释等。高通量测序技术,也称第二代测序（Next-generation sequencing, NGS）技术,可以快速、准确地产出高通量的变异位点数据,为解决以上问题提供了可行的方案。基于NGS技术的GWAS方法（NGS-GWAS）,可在一定程度上弥补传统GWAS的不足。文章对NGS-GWAS策略和方法进行了系统性调研,提出了目前较为可行的NGS-GWAS的实施策略和方法,并对NGS-GWAS如何应用于个体化医疗（Personalized medicine, PM）进行了展望。     

复杂疾病全基因组关联研究进展—— 研究设计和遗传标记

实现全基因组关联研究(Genome-wide association study, GWA)在数年前还是遗传学家们的梦想, 如今它已经变成了现实。自2005年Science杂志报道了第一项有关年龄相关性(视网膜)黄斑变性全基因组关联研究研究以来, 有关与复杂疾病的全基因组关联研究如雨后春笋般层出不穷。文中介绍了近两年来全基因组关联研究在复杂疾病研究领域内的主要发现、全基因组关联研究设计原理、遗传标记的选择、比较及相关商品信息。最后介绍了人类基因组拷贝数变异的研究进展, 总结了人类全基因组关联研究所取得成就和存在的问题, 并对全基因组关联研究未来的研究重点和要解决的问题进行了展望。     

肺结核全基因组关联研究进展

肺结核是由结核分枝杆菌感染引起的一类古老但仍对人类造成巨大影响的传染性疾病。到目前为止, 肺结核依然是由单一病原菌导致死亡人数最多的疾病, 并且随着耐药菌株的出现而呈现死灰复燃之势。近几年, 肺结核全基因组关联研究在世界范围内取得了阶段性成果, 发现了与肺结核相关联的遗传易感位点和区域, 使肺结核的遗传学研究进入了一个崭新的阶段, 为后续肺结核的早期和综合防治提供了重要线索。然而, 由于人群遗传结构差异和宿主/病原体相互作用, 与其他复杂疾病相比, 肺结核全基因组关联研究依旧面临重重困难, 进展缓慢。文章对不同人群肺结核全基因组关联研究及其验证进行综述, 并系统阐述了目前研究中存在的困难及可能的应对策略。     

全基因组关联研究通路分析方法现状

全基因组关联研究(genome-wide association study, GWAS)自2005年首次发表以来已不断增进人们对疾病遗传机制的认识,结合系统生物学并改进统计分析方法是对GWAS数据进行深度挖掘的重要途径。通路分析(pathway analysis)将GWAS所检测的遗传变异根据一定的生物学含义组合为集合进行分析,有利于发现对疾病单独效应小却在通路中相互关联的遗传变异,更有利于进行生物学解释。当前通路分析在GWAS数据上已有较为广泛的应用并取得初步成果。与此同时,通路分析的统计方法仍在不断发展。本文旨在介绍现有直接以SNP为对象的GWAS通路分析算法,根据方法中是否采用核函数分为非核算法和核算法两大类,其中非核算法主要包括基因功能富集分析(gene set enrichment analysis, GSEA)和分层贝叶斯优取(hierarchical Bayes prioritization, HBP),核算法包括线性核(linear kernel, LIN)、状态认证核(identity-by-status kernel, IBS)和尺度不变核(powered exponential kernel)。通过介绍这些方法的计算原理和优缺点,以期为新算法的构建提供更好的思路,为GWAS领域研究方法的选择提供参考。     

创伤弧菌毒力相关因子的全基因组关联分析研究

【目的】创伤弧菌是致死率最高的弧菌物种,但目前尚无在全基因组层面挖掘毒力相关因子的研究。本研究以创伤弧菌分离来源(临床和环境)作为不同表型,通过与260株基因组序列进行关联分析,挖掘毒力相关因子,从而进一步了解创伤弧菌致病因素。【方法】对139株创伤弧菌分离株进行高通量测序,获取其全基因组序列;与公共数据库已公开发表的121株基因组整合,使用pyseer软件进行全基因组关联分析,对与不同分离来源显著相关的基因进行注释和解读。【结果】共发现11个基因与临床分离株显著相关,其中9个是本研究新发现的创伤弧菌潜在毒力相关因子。【结论】本研究使用群体基因组学和统计遗传学方法,在全基因组范围扫描挖掘了创伤弧菌毒力相关因子,为深入揭示该物种致病机制、设计新的疫苗和治疗靶点提供了重要依据。     

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.     

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。     

茄子果实相关农艺性状全基因组关联分析研究进展与展望

茄子是重要的园艺作物,也是茄科植物中种植最广泛的蔬菜之一。茄子果实相关农艺性状是一种复杂的数量性状,传统育种选育效率低、周期长。高通量测序技术与生物信息学技术的快速发展,使得全基因组关联分析(genome-wide association study, GWAS)在解析茄子果实相关复杂农艺性状的遗传规律方面展现出巨大的应用前景。本文对全基因组关联分析在茄子的果形、果色等果实相关农艺性状中的研究进展进行了综述;针对茄子数量性状遗传研究中普遍存在的“丢失遗传力”(missing heritability)问题,从4个GWAS策略在茄子果实相关农艺性状研究中的应用热点出发,提出了未来茄子GWAS的发展对策;并结合当前茄子遗传改良的实践需求,展望了GWAS策略在茄子分子育种领域的广阔应用前景。本文为今后利用GWAS解析各种茄子果实相关性状的遗传基础以及选育符合消费者需求的果实材料提供了理论依据和参考。