En banbrytande statistisk teknik som framkallas på Harvarden, Skolar av Allmän hälsa (HSPH) har hjälpt att identifiera en allmänninggenvariation som är tillhörande med ökande, riskerar för fetma.
Finna, som har reproducerats i fyra, annat tar prov av barn och av vuxen människa av Europé- och Afrikananor, ger en ovanligt stark anslutning mellan en genvariant och en komplex sjukdom i sätta in av att kartlägga för anslutning.
Den involverade studien ett landskamplag ledde vid forskare på den Boston Universitetar Skolar av Medicinen (BUSM) i samarbete med forskare på HSPH, Barns Sjukhus Boston, GSF-MedborgareForskningscentrat, den Tekniska Universitetar Munich, den Ludwig Maximilians Universitetar, det Channing Laboratoriumet, Universitetar av Duisburg-Essen, Loyola Universitetar Medicinskt center, och SeraCare Vetenskaperna om olika organismers beskaffenhet Inc.
Forskarna identifierade varianten, genom att testa 86.604 singelnucleotidepolymorphisms (SNPs), eller DNA ordnar variationer, for en anslutning som förkroppsligar, samlas indexet (BMI), en surrogat- mätning för fetma. SNPsen kom från blod tar prov från deltagare i den Framingham HjärtaStudien (FHS). BMI-mätningar samlades av FHS-utredare under en avtala från MedborgareHjärtaLungen och BlodInstitutet som administrerades av den Boston Universitetar.
Forskare på BUSM-Genetiken och GenomicsAvdelningen, ledde vid den bly- författare, och AssistentProfessorn Alan Herbert och den höga författare- och AvdelningsStolen Michael Christman, genotyped tar prov och att identifiera genetiska variationer inom dem för jämförelse. Den storskaliga genotypingen möjliggjordes av microarrayteknologi för DNA som 100K framkallades av Affymetrix, ett företag som baserades i Santa Clara, Calif. Dataledning och analys gjordes av Drs. Normandiska Gerry och Marc Lenburg på BUSM och HSPH forskar kamraten Matthew McQueen.
IDet av SNPEN gjordes möjligheten av en ny statistisk teknik som framkallades av HSPH-AssistentProfessorn Christoph Lange, som är en hög författare på Vetenskapen som är pappers-, i samarbete med den Professor- och co-författare Nan Lairden och Kristel Skåpbil Steen, den tidigare postdoctoral kamraten.
Tekniken avstyr en statistisk svårighet för ha som huvudämne som kallas multipeljämförelseproblemet, som exacerbateds, när du knastrar enorma datamängder. Mer signalerar SNPsen i en studie, mer sannolikheten av falsk-realiteten, ökande riskerar att någon SNPs inte testas -- även om de kan vara livsdugliga kandidater.
Typisk en studie skulle begäran enkliva som är processaa av 1) initialt förkroppsligar att testa allra SNPs för anslutningar till specifika drag, liksom samlas indexet, och 2) testa endast den mest lova SNPsen i en understödjadatamängd.
HSPH-analysmetoden behandlar multipeljämförelseproblemet med precis en datamängd, genom att beräkna graden som genetik kan förklara till variationer i ett specifikt drag, och därefter identifiera den mest lova kandidaten SNPs för det genetiskt verkställa. Se http://www.hsph.harvard.edu/press/releases/press06052005.html För mer information på tekniken.
I den pappers- Vetenskapen, applicerades HSPH-metoden för att identifiera exakt en SNP som dök upp från tiona av testade tusentals. Den ligger nära genen INSIG2 (insulin-framkalla-gen). Varianten var närvarande i tio procent av de utstuderade befolkningarna, och krävda två kopierar för att vara aktivet.
Huvudsakligen samarbetade reproducerade forskarna därefter med andra institutioner och anslutningen mellan SNPEN, och fetma riskerar i fyra andra befolkningar. De inklusive både familjerna för befolkningar och detsläkt betvingar av olika åldrar och av varierande etniska bakgrunder: