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。

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。