化工儀器網(wǎng)
公司動(dòng)態(tài)
AJHG：GWAS之后，如何進(jìn)一步深入基因研究
閱讀：1098 發(fā)布時(shí)間：2019-5-23全基因組關(guān)聯(lián)研究（GWAS）針對(duì)大量人群尋找有助于常見的多基因特征（如身高或肥胖）的基因。這些綜合性研究經(jīng)常發(fā)現(xiàn)大量微小的遺傳變異，這些變異在高齡，肥胖等人群中更常發(fā)生。但這種相關(guān)性并不一定意味著因果關(guān)系的存在。
雖然有許多計(jì)算算法可用于幫助提取GWAS結(jié)果，但很難知道選擇哪一種。研究人員在《American Journal of Human Genetics》雜志上發(fā)表的文章稱Benchmarker一種可靠的對(duì)GWAS數(shù)據(jù)進(jìn)行挖掘的算法。
“我們有不同的優(yōu)先級(jí)算法，但我們實(shí)際上并不知道如何確定哪一個(gè)是的，”該文章主要作者Rebecca Fine說 “我們不想依賴先前的'黃金標(biāo)準(zhǔn)'或引入除原始GWAS數(shù)據(jù)之外的任何其他內(nèi)容。”
借助“交叉驗(yàn)證”的機(jī)器學(xué)習(xí)概念，Benchmarker使調(diào)查人員能夠?qū)WAS數(shù)據(jù)本身作為自己的控制。我們的想法是采用GWAS數(shù)據(jù)集并挑出一條染色體。然后，基準(zhǔn)測試的算法使用來自剩余的21條染色體（除X和Y之外的所有染色體）的數(shù)據(jù)來預(yù)測單個(gè)染色體上的哪些基因有可能對(duì)所研究的性狀有貢獻(xiàn)。由于依次對(duì)每個(gè)染色體重復(fù)該過程，因此匯集算法標(biāo)記的基因。然后通過將這組優(yōu)先基因與原始GWAS結(jié)果進(jìn)行比較來驗(yàn)證該算法。
“首先在GWAS上訓(xùn)練算法，并保留一條染色體，然后返回到該染色體，并詢問這些基因是否與原始GWAS結(jié)果中的強(qiáng)p值相關(guān)聯(lián)，”Fine解釋說。 “雖然這些p值并不能代表確切的”正確答案“，但它們確實(shí)可以告訴我們一些真正的遺傳關(guān)聯(lián)。終產(chǎn)品是對(duì)每種算法執(zhí)行情況的評(píng)估。
Fine，Hirschhorn及其同事通過應(yīng)用得出的結(jié)論是，結(jié)合多種策略通?？梢垣@得*結(jié)果。他們還發(fā)現(xiàn)了某些算法在尋找某些特征的基因時(shí)表現(xiàn)*的證據(jù)。
“我們希望在GWAS之后開發(fā)更多算法來回答關(guān)鍵的下一個(gè)問題：哪些基因和變異與人類特征和疾病有因果關(guān)系，”Hirschhorn說。 “benchmarker可以作為一種無偏見的方法來確定用于回答這個(gè)問題的算法。”