Новый метод поиска генов восприимчивости к болезням

Новый метод поиска генов восприимчивости к болезням
                Сравнение ложных средств обнаружения. Показано количество ложных обнаружений (FDR <0,05) для методов анализа конкурентных путей. Кредит: УНИСТ

Новое исследование привело к новому статистическому алгоритму, способному идентифицировать потенциальные гены заболевания более точным и экономически эффективным способом. Этот алгоритм является возможным подходом для идентификации генов-кандидатов, поскольку он эффективно работает с меньшим количеством геномных данных и занимает всего минуту или две для получения результатов.
                                                                                       

Об этом прорыве сообщил профессор Дугу Нам и его исследовательская группа в Школе естественных наук при UNIST. Их результаты были опубликованы в Nucleic Acids Research 19 марта 2018 года.

В ходе исследования исследовательская группа представила новый метод и программное обеспечение GSA-SNP2 для анализа пути обогащения данных P-значения GWAS. По данным исследовательской группы, GSA-SNP2 обеспечивает высокую мощность, приличный контроль ошибок типа I и быстрые вычисления за счет включения модели случайного набора и скорректированного генного показателя по количеству SNP.

«GSA-SNP2 — это мощный и эффективный инструмент для обогащения путей и сетевого анализа сводных данных по исследованию ассоциаций всего генома (GWAS)», — говорит профессор Нам. «С помощью этого алгоритма мы можем легко идентифицировать новые мишени для лекарств, тем самым углубляя наше понимание болезней, и открывать новые методы лечения для его лечения».

Геном каждого человека представляет собой уникальную комбинацию последовательностей ДНК, которые играют важную роль в определении того, кто мы есть. Это объясняет все индивидуальные различия, в том числе восприимчивость к болезням и различные фенотипы. Такие генетические вариации среди людей известны как однонуклеотидные полиморфизмы (SNP). ОНП, которые коррелируют с конкретными заболеваниями, могут служить в качестве прогностических биомаркеров для разработки новых лекарств. Посредством статистического анализа сводных данных GWAS можно идентифицировать связанные с заболеванием SNP.

Несмотря на астрономические суммы денег и времени, потраченные на статистический анализ данных SNP, традиционные технологии обнаружения SNP не смогли идентифицировать все возможные SNP. Это связано с тем, что большинство традиционных методов обнаружения SNP предназначены для строгого контроля ложных срабатываний в результатах. Следовательно, среди десятков тысяч данных геномики и сотен тысяч проанализированных SNP число маркеров, описанных в гене-кандидате, часто достигает нескольких десятков.

«Хотя контроль ложноположительных SNP необходим для правильной интерпретации результатов, слишком сильная фильтрация может снизить его полезность для разработки лекарств», — говорит профессор Нам. «Следовательно, расширенные статистические возможности необходимы для практических статистических алгоритмов».

Команда стремилась разработать алгоритм, который улучшает статистическую предсказуемость при сохранении точного контроля ложных срабатываний. Для этого они применили монотонную кривую кубического сплайна к количеству генов с помощью анализа конкурентного пути для данных по экспрессии генов.

В сравнительном исследовании, использующем смоделированные и реальные данные GWAS, GSA-SNP2 продемонстрировал высокую мощность и наилучшие приоритеты положительных путей золотого стандарта по сравнению с шестью существующими методами, основанными на обогащении, и двумя автономными методами. Основываясь на этих результатах, было исследовано различие между подходами анализа пути и обсуждались также эффекты структур корреляции генов на анализе обогащения пути. Кроме того, GSA-SNP2 способен визуализировать сети взаимодействия белков внутри и между значимыми путями, чтобы пользователь мог расставить приоритеты в основных подсетях для дальнейших исследований.


            Новый метод поиска генов восприимчивости к болезням
                Сравнение статистических полномочий. Могут быть представлены методы анализа конкурентных путей в четырех различных условиях моделирования. Кредит: УНИСТ

По данным исследовательской группы, GSA-SNP2 обеспечивает значительно улучшенный контроль ошибок типа I, используя скорректированные по SNP количественные показатели генов, сохраняя при этом высокую статистическую мощность. Он также обеспечивает как локальные, так и глобальные сети взаимодействия белков в связанных путях, и может способствовать интегрированному анализу данных GWAS и сетевым путям.

Исследовательская группа ожидает, что их GSA-SNP2 способен визуализировать сети взаимодействия белков внутри и между значимыми путями, чтобы пользователь мог расставить приоритеты в основных подсетях для дальнейших исследований ./p>

Похожие новости

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *