Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Los datos genomic múltiples podían ayudar a perfeccionar estudios de la asociación entre los genes y la enfermedad

La diferencia entre simplemente lanzar alrededor de palabras de moda como “personalizó el remedio” y los “datos grandes” y la entrega en su promesa médica está en los detalles de los métodos que se convierten para analizar e interpretar datos genomic. En un par de nuevos papeles, los Yenes-Tsung Huang del epidemiólogo de Brown University y los colegas muestran cómo diversas clases de integración de datos genomic podrían perfeccionar los estudios de la asociación entre los genes y la enfermedad.

Las clases de datos Huang integran son diferencias del único-nucleótido en la DNA, llamada SNPs, datos sobre la expresión génica, que es cómo la carrocería pone genes en la acción, y la metilación, un cambio químico relacionado con la expresión. Todos son potencialmente relevantes a si una persona consigue enferma, pero la mayoría de los análisis que conectan genómica con la enfermedad explican solamente uno. En papeles ahora en línea en la bioestadística de los gorrones y los anales de estadísticas aplicadas, Huang describe los resultados de probar el modelo en análisis de los datos del asma y del cáncer de cerebro.

“Nuestra aproximación integrada supera aproximaciones de la único-plataforma,” Huang dijo. “Aplicado a los conjuntos de datos reales, trabaja.”

Funcionamiento perfeccionado

El modelo estadístico Huang desarrollado con Tyler VanderWeele y Xihong Lin de Harvard, co-autores en los anales papel, no es puramente estadístico. Su estructura y suposiciones son informadas por la biología subyacente. SNPs se puede asociar directamente a enfermedad, o esa asociación puede ser mediada cerca si los genes, incluyendo los en las cuales el SNPs reside, se expresa en pacientes sanos o enfermos.

El papel de los anales describe el witih modelo SNPs y expresión detalladamente y su uso a los datos que conectan el gen ORMDL3 con el asma. Usando el modelo, los autores encontraron 15 SNPs en el gen con asociaciones importantes con la enfermedad, comparada a solamente cinco que han sido evidentes analizando SNPs solamente. Los investigadores también encontraron que sus “p-valores,” (una dimensión de la significación estadística de una asociación) eran substancialmente más inferiores, y por lo tanto más fuerte, al usar los análisis combinados que su modelo permite, comparado a los métodos tradicionales que rastrean apenas uno variable o tentativa mezclar conjuntos de datos múltiples.

Saben que el modelo no es probable apenas agitando hacia arriba mucho positivo falso SNPs porque también lo probaron contra los datos “nulos” donde no debe encontrar cualquier cosa, y no hizo de hecho.

Válido con diversos temas

Huang fomenta extiende el modelo, y denuncia otra vez resultados similares en bioestadística - los nuevos genes potencialmente relevantes y valores más inferiores de p - en el conjunto de datos del asma así como uno que implica el gen GRB10 y tumores cerebrales del multiforme del glioblastoma. Pero este papel hace contribuciones adicionales. Una de ellas está mostrando que el modelo puede ser útil incluso cuando los datos de SNP y los datos de la expresión génica vienen de diversa gente, mientras los temas sean generalmente comparables. Otro es que integra no sólo SNPs y la expresión, pero también los datos de la metilación de la DNA, que es un cambio químico de la DNA asociado a la expresión.

Esto es importante porque la expresión génica y la metilación de la DNA pueden ser dependiente del tejido. En el caso de cáncer de cerebro, es raramente plausible que un epidemiólogo extraiga el tejido cerebral de los mismos temas de quienes pueden muestrear más fácilmente la DNA.

En un nuevo estudio Huang conducto con el colega Dominique Michaud de la epidemiología de Brown, él proyecta aplicar el modelo a los nuevos equipos de datos del cáncer de cerebro, incluyendo la DNA de temas con y sin tumores así como datos de la expresión del tejido de la gente que murió, de cáncer de cerebro u otra causa.

Podía haber muchos otros usos también. La estructura general del modelo de lazos entre dos variables (una que puedan mediar la otra) y un resultado, él agrega, permite que sea aplicado a los fenómenos semejantemente estructurados, no apenas a la genómica y a la enfermedad.

“Pienso que nuestra aproximación es representante de un nuevo marco de la integración de datos,” Huang dijo. “Mientras usted puede presentar su pregunta biológica en términos de esta clase de modelo de la mediación, después nuestra aproximación puede ayudarle fácilmente a analizar sus datos.”