Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Il metodo statistico usa le informazioni evolutive per migliorare l'identificazione degli alleli malattia-associati

Un libro che contiene gli errori di stampa può causare il disturbo per il lettore, ma gli errori nel materiale genetico di una persona (DNA) possono significare la malattia o persino la morte seria. La ricerca delle componenti genetiche per la vasta gamma delle malattie che contagiano l'umanità ha ispirato una ricchezza della ricerca che rientra nell'abbattimento degli studi genoma di ampiezza di associazione (GWAS).

Secondo Sudhir Kumar, Direttore del centro per medicina evolutiva e dell'informatica all'istituto di Biodesign dell'Arizona State University, tuttavia, risultati da molti tali studi diventa meno utile quando varianti o alleli del gene implicati nella malattia in una popolazione data venire a mancare da essere scoperto negli studi indipendenti successivi. “Spesso, non scopriamo lo stesso insieme delle mutazioni per la stessa malattia in popolazioni differenti,„ dice. “Questo è un problema enorme nella medicina genomica. „

Kumar ed i colleghi Joel T. Dudley, Rong Chen, Maxwell Sanderford ed Atul J. Butte, hanno messo a punto un metodo statistico per rimediare a questo problema usando le informazioni evolutive. Sono capaci significativamente di miglioramento della probabilità dell'identificazione degli alleli malattia-associati che mostrano la migliore consistenza attraverso le popolazioni, migliorante l'affidabilità degli studi di GWAS. Il metodo usa lo studio comparativo del phylogenetics-the sui genoma di specie con cronologia evolutiva a lungo termine.

La ricerca del gruppo è comparso nell'emissione online avanzata della biologia molecolare e dell'evoluzione del giornale. Il nuovo metodo ora è a disposizione per usare via il Web, di modo che i ricercatori universalmente possono applicarlo come aiuto a scoprire le mutazioni malattia-associate che sono più coerente riproducibili e quindi utilizzabile come indicatori diagnostici. Kumar si riferisce a questo nuovo approccio, combinante gli studi genomica comparativi standard con i dati filogenetici come phylomedicine, un campo rapido di sviluppo che promette di migliorare le informazioni genomiche e migliora la sua potenza diagnostica.

“Possiamo catturare questo metodo ed applicarlo a tutti i dati che sono stati pubblicati,„ Kumar dice. “Piombo alle nuove scoperte che stavano sedendo la destra là, ma nessuno ha saputo circa.„

Il nuovo metodo amplifica la scoperta delle mutazioni riproducibili integrando la cronologia evolutiva degli esseri umani con informazioni genomiche contemporanee. Applicando i nuovi posti ad un grande studio di GWAS ha migliorato la scoperta delle componenti affidabili di mutazione delle malattie complesse, che avanzeranno la medicina personale basata sul codice genomica di ogni paziente.

L'idea di base dietro GWAS è semplice: paragoni i genoma di due popolazioni degli oggetti, uno al tratto di malattia e un gruppo di controllo senza la malattia. Dopo, identifichi le disparità ad ogni posizione del genoma nelle due popolazioni. Trovi che gli alleli che accadono nella popolazione malata che sono meno frequenti nella popolazione in buona salute ed in voi hanno segnato appena le mutazioni genetiche con esattezza connesse con la malattia.

O abbiavi?

Come Kumar spiega, gli argomenti non sono così semplici. Le mutazioni studiate in tali studi sono conosciute come SNPs (per i polimorfismi del unico nucleotide). Ciò significa semplicemente quella per una sequenza data del gene, uno dei quattro nucleotidi (A, T, C e G) trovato comunemente nella popolazione è sostituito dal qualcos'altro. Per esempio, la maggior parte degli individui sani può portare “A„ ad una posizione particolare nel genoma, ma le persone di malattia possono essere più probabili portare “una C„ alla stessa posizione. Se la differenza fra i gruppi direzione, lo SNP può essere associato con il tratto di malattia.

I genoma umani sono vasto struttura-consistere da circa 3 miliardo coppie di basi dei nucleotidi. La maggior parte sono sporcati SNPs e prendere in giro fuori quale si siedono là senza effetto evidente e quale possono tradurre alla malattia è spesso un affare dell'irritazione. Per alcune malattie, una corrispondenza di valore univoco fra la mutazione genetica e la malattia esiste. Generalmente, queste afflizioni, conosciute come le malattie monogenic, hanno caratteristiche particolari. Derivano da una mutazione appena in un singolo gene, piuttosto che i geni multipli. Sono malattie di presto-inizio, catturanti il loro tributo quando il paziente è ancora giovane.

Le malattie di Monogenic, che comprendono la fibrosi cistica, malattia di Tay-Sachs, l'anemia faciforme e la malattia di Huntington non sono solitamente gli obiettivi per gli studi genoma di ampiezza di associazione, perché la relazione fra la mutazione genetica e l'avvenimento della malattia è diretta ed affidabile.

Al contrario, le cosiddette malattie complesse tendono ad accadere più successivamente nella vita, sono avviate dalle mutazioni che accadono ai siti multipli lungo il genoma e spesso hanno un significativo ambientale-che è, non genetico componente. Trovando gli alleli responsabili di tali malattie, che comprendono l'ipertensione, l'artrite reumatoide, il morbo di Alzheimer, il tipo il diabete di II ed altri innumerevoli con gli studi di GWAS è stata spesso uno sforzo sconcertante, poichè gli alleli identificati in una popolazione di studio non riescono frequentemente a girare su negli studi differenti con differenti popolazioni.

Gli studi di GWAS computano le probabilità di un allele lungo il genoma che è in relazione con la malattia e traducono questo in statistica conosciuta come il valore di P. Gli alleli con il valore di P più basso sono il più minimo probabili accadere dalla probabilità casuale. Nella ricerca corrente, una meta-analisi è condotta facendo uso dei risultati da migliaia di studi precedenti di GWAS e il phylogenetics si applica per dissotterrare le tendenze relative evolutive ai dati.

“Ogni posizione nel genoma umano fra miliardi di coppie di basi si è evoluta col passare del tempo,„ Kumar dice. “Mentre il genoma si evolve, alcune posizioni permettono frequentemente il cambiamento mentre altre non fanno.„ Le posizioni il più minimo probabilmente da cambiare con tempo ed attraverso le speci di mammiferi sono conosciute come posizioni evolutionarily conservate. Il gruppo ha condotto un'analisi genomica multispecie di 5.831 variante umana presunta di rischio per più di 230 fenotipi di malattia riferiti in 2.021 studio. “Anche se una variante di GWAS non ha un ruolo funzionale in una malattia, le informazioni evolutive sono ancora molto pertinenti, perché ogni posizione nel genoma umano ha un'impronta evolutiva che ci fornisce le informazioni preliminari su come gli alleli a quella posizione sono probabili variare in popolazioni umane moderne,„ dicono Dudley, l'autore principale dello studio.

Un'analisi dei dati attuali ha trovato che la maggior parte degli alleli presuntivo in relazione con la malattia scoperti negli studi di GWAS si sono presentati relativamente all'lento-evoluzione, siti altamente conservati. Secondo Kumar, questo fatto rappresenta la riproducibilità difficile di molti alleli presunti di malattia attraverso le popolazioni differenti, poichè gli alleli che accadono ai siti conservati tendono ad essere rari. Come Kumar spiega “potete continuare trovare gli alleli rari come questo tutto il giorno, ma avrebbero limitato l'utilità clinica in una più vasta popolazione.„

Il nuovo sistema di posto, conosciuto come il E-posto, comprende le informazioni filogenetiche dagli studi multispecie dei mammiferi e la applica ai dati umani di GWAS. L'effetto è di eliminare la tendenziosità inerente di campionatura per gli alleli rari, permettendo gli alleli più comuni che accadono ai siti rapido evolventesi nel genoma da scoprire più prontamente. “Il nostro metodo elimina questa tendenziosità, che dà una spinta alle varianti comuni ad alta frequenza che sono più probabili riprodurrsi attraverso le popolazioni dovuto la cronologia evolutiva della posizione genomica dove sono trovati,„ dice Dudley.