单核苷酸多态性与复杂性状疾病

单核苷酸多态性 (SNPs)是指在基因组水平上由单个核苷酸的变异而引起的 DNA序列多态性 ,频率大于 1 %。SNPs在人类基因组中广泛存在 ,并通常以二等位基因的形式出现 ,便于进行大规模和高通量分析 ,因此是继限制性酶切长度多态性 (RFL P)和微卫星之后的第三代遗传标记。SNPs在生物学诸多领域具有广阔的应用前景。本文简要叙述了 SNPs与复杂性状疾病 (如肿瘤、高血压、糖尿病等 )的关系 ,以及 SNPs在复杂性状疾病的致病基因定位、发病机制的阐明。

单核苷酸多态性在复杂性状疾病易感基因研究中的应用

大多数常见病都是一些复杂性状的遗传病 ,致病机制是由多个遗传易感基因与环境因素相互作用所致。目前认为一些常见的遗传变异 ,主要是指单核苷酸多态性 (single nucleotide polym orphisms,SNPs)与复杂性状疾病的易感有关。本文在以下几个方面对 SNPs与复杂性状疾病易感基因研究的策略和方法学问题作了较为详细的综述 :(1 ) SNP特点及其有关网上资源 ;(2 )对直接测序法、单碱基延伸法、Taq Man法、基于实时动态荧光 (动力学 ) PCR的等位基因特异扩增法 ,变性高效液相色谱 (DHPL C)法和 OL A/ PCR的 SNPs基因分型方法的原理、通量和优缺点进行了比较 ;(3)

复杂性状疾病的系统生物学研究

复杂性状疾病 ,即多基因病 ,其发生发展是基因 ,蛋白质 ,代谢分子 ,环境等众多因素相互作用的结果 ,仅仅从基因或蛋白等单层次研究已不能解释其发病规律。系统生物学的出现为从整体出发研究复杂性状疾病提供了新的视角和机会。

复杂性状疾病基因定位的策略和手段

复杂性状疾病包括的范围很广，由于外显不全和遗传异质性等原因，这一类性状的基因克隆难度较大。本文概述了寻找复杂性状（疾病）相关基因的一般步骤，并简要介绍遗传分析中的连锁分析、同胞及亲属对分析、关联分析及其应用。

多基因风险评分在复杂性状疾病中的应用进展

随着精准医学的提出以及基因组医学研究的不断深入,人类基因组信息可有效辅助临床进行更精确的疾病诊断,并帮助医师制定个体化的治疗方案,同时也可被用于大范围的人群筛查,并根据个体差异而采取相应措施,阻止疾病的发生。复杂性状疾病(complex disease)发病由多个基因位点共同参与且与环境因素相互作用决定疾病表型的遗传疾病,如心血管疾病、肿瘤性疾病、自身免疫病等。人类基因组信息中,遗传风险评分作为研究单核苷酸多态性(single nucleotide polymorphism,SNP)与复杂性状疾病间关系的方法.

在复杂性状疾病的遗传流行病学研究中应注意的几个问题

在复杂性状疾病的遗传流行病学研究中应注意的几个问题顾东风遗传学在揭示许多疾病遗传本质上的成就举世公认，尤其１０多年来“人类基因组计划”极大地推动了生命科学的发展，深化了人类对自身及疾病的了解，为复杂性状疾病致病基因的定位和分离奠定了基础。复杂性状疾病...

复杂性状遗传CC小鼠项目研究进展

小鼠因与人类间存在大量的同源基因,因此,多年来,小鼠一直是人类在进行疾病研究时应用的最理想、最常用的模型动物。近年来,随着基因工程技术的发展,小鼠品系资源也越来越丰富,同时在人类疾病研究中的应用也更为广泛。人类复杂性状疾病,是由多个基因位点共同参与、且与环境因素相互作用决定表型的遗传病,如心脏病、高血压、糖尿病、哮喘、癌症以及老年痴呆等。采用单一遗传背景的小鼠已无法有效复制人类多基因相互作用引起的复杂性状疾病的研究。复杂性状遗传CC小鼠(Collaborative Cross mice,CC小鼠)就是在这样的社会背景下应运而生了,成为模拟人类复杂性状疾病的研究工具。

两种常用数量性状连锁分析方法的原理和进展

在复杂性状疾病的家系连锁研究中,Haseman Elston回归分析和方差组成模型是常用的两种数量性状连锁分析方法。前者主要针对同胞对的性状值差或和的平方进行回归分析;后者引用方差组成模型,将数量性状分解为遗传方差和环境方差,可估计二者对表型的影响。两种方法可应用于同胞对、核心家系或扩展家系,定位数量性状基因座。此文对这两种模型的原理、算法及其进展进行了综述,并给出了常用的统计软件包。

全基因组关联研究中的交互作用研究现状

利用高密度单核苷酸多态(Single nucleotide polymorphism,SNP)标记在全基因组范围内检测影响复杂疾病/性状的染色体区段或基因,已经成为目前遗传学领域新的突破点之一。在全基因组关联研究(Genome-wide association study,GWAS)取得大量成果之后,研究者们对在全基因范围内研究交互作用产生了极大的热情。近几年,对交互作用的研究,无论是在方法的研发、实际的应用以及统计学上的交互向生物学上的交互转化,还是在信息组学的整合,都呈现快速发展的趋势。已有很多策略和方法被尝试用于进行全基因组交互作用分析,这些研究推动了对复杂疾病/性状遗传机制的进一步认识。基于目前全基因组交互分析所采用的各类数据处理方法的理论与算法的异同,文章拟对目前使用较为广泛的回归类方法、机器学习方法、贝叶斯模型法、SNP筛选类方法和基于并行程序的方法等5类方法加以评述,着重介绍了这些方法的算法原理、计算效率以及差别之处,以期能够为相关领域的研究者提供参考。

全基因组关联分析的进展与反思

全基因组关联分析(genomewide association study,GWAS)是应用人类基因组中数以百万计的单核苷酸多态性(single nucleotide polymorphism,SNP)为标记进行病例-对照关联分析,以期发现影响复杂性疾病发生的遗传特征的一种新策略。近年来,随着人类基因组计划和基因组单倍体图谱计划的实施,人们已通过GWAS方法发现并鉴定了大量与人类性状或复杂性疾病关联的遗传变异,为进一步了解控制人类复杂性疾病发生的遗传特征提供了重要的线索。然而,由于造成复杂性疾病/性状的因素较多,而且GWAS研究系统较为复杂,因此目前GWAS本身亦存在诸多的问题。本文将从研究方式、研究对象、遗传标记,以及统计分析等方面,探讨GWAS的研究现状以及存在的潜在问题,并展望GWAS今后的发展方向。

单核苷酸多态性研究及其对人类医学的影响

随着人类基因组序列测定的完成 ,基因组序列变异研究 ,特别是单核苷酸多态性 (singlenucleotidepolymor phism ,SNP)研究 ,成为新一轮基因组科学的研究重点 ,不断发展的高通量基因分型技术更使得人类对复杂性状疾病的理解和研究成为可能。由于SNP具有数量多、分布广、密度大、突变率低等特点 ,因此在人群多样性、疾病基因定位和药物基因组学的研究中都发挥了重要的作用。在此 ,本文尝试对目前国际上SNP计划的发展情况、以及在复杂疾病基因定位克隆研究和药物基因组学研究等方面的应用进行简要综述。

全基因组关联分析的研究现状及对数据科学的挑战

全基因组关联分析(GWAS),是通过考察全基因组范围DNA变异的单核苷酸多态性(SNP),挖掘影响复杂疾病等的表型性状(如疾病、癌症、身高等)的SNP的计算方法,以期为疾病/表型的分子生物发现、生物机理分析、分子靶向药物研究、疾病早期风险预测和个性化治疗等提供科学依据.目前的方法多以统计学、机器学习和深度学习、智能优化等等及其它们的组合为基础,并已取得可喜成绩,但仍有许多无法复现的关联的例子,正如Ioannidis 2005年在国际知名刊物PLoS Medicine上发表、至今已被引用6 600多次的论文中所说"大部分的研究发现是错的".文章认为,这是因为其核心问题仍未解决,尤其是到底要从数据中挖掘出什么和统计重要性在什么情况下具有科学重要性,以及科学重要性是否可以科学定义等,这些都是GWAS对数据科学的严峻挑战.

基因组分型技术的发展和应用

伴随着人类基因组计划、人类单倍型图谱和人类拷贝数变异图谱的完成,基因分型技术获得了长足的发展,同时促进了对复杂性状疾病的研究.本文结合国家人类基因组南方研究中心的发展和研究项目,介绍了目前国际上广泛应用的几种基因分型技术,及国内外复杂性状疾病遗传研究的突破和进展.

一篇好文章——简评“中国汉族人群中IRE1a基因多态性与糖尿病前期风险的相关性研究”

大约二、三年前，我曾应约对发表在本刊的纪立农教授课题组的一篇有关基因多态性与2型糖尿病相关性的meta分析文章做过推荐和评述。在那篇简评中，笔者就我国糖尿病和其他复杂性状疾病遗传分析的研究中所存在的主要问题进行了初步梳理和阐述。