L'étude indique l'algorithme statistique nouvel pour recenser les gènes potentiels de la maladie

Une étude neuve, filiale avec UNIST a récent présenté un algorithme statistique nouvel, capable de recenser les gènes potentiels de la maladie d'une voie plus précise et plus rentable. Cet algorithme a été également considéré comme approche prometteuse neuve pour l'identification des gènes de la maladie de candidat, car cela fonctionne effectivement avec des caractéristiques moins génomiques et prend seulement une minute ou deux pour obtenir des résultats.

Cette découverte a été conduite par professeur Dougu Nam et son équipe de recherche dans l'école des sciences de la vie à UNIST. Leurs découvertes ont été publiées dans la recherche d'acides nucléiques le 19 mars 2018.

Dans l'étude, l'équipe de recherche a présenté la méthode et le logiciel nouveaux GSA-SNP2 pour l'analyse d'enrichissement de voie des caractéristiques de P-valeur de GWAS. Selon l'équipe de recherche, GSA-SNP2 fournit la haute énergie, le contrôle d'erreur convenable du type I et le calcul rapide en comportant le modèle fait au hasard de jeu et la rayure de gène réglée parcompte.

« GSA-SNP2 est un puissant et outil performant pour l'enrichissement de voie et l'analyse réseau des caractéristiques sommaires d'étude (GWAS) de la taille du génome d'association, » dit professeur Nam. « Avec cet algorithme, nous pouvons facilement recenser les objectifs neufs de médicament, approfondissant de ce fait notre compréhension des maladies et débloquer des traitements neufs pour la traiter. »

Le génome de chaque personne est une combinaison unique de séquences d'ADN qui jouent des rôles importants en déterminant qui nous sommes. Ceci représente toutes les différences individuelles, y compris la susceptibilité pour la maladie et de divers phénotypes. Une telle variation génétique parmi des êtres humains sont connues en tant que polymorphismes uniques de nucléotide (SNPs). Les SNP qui marquent avec des maladies spécifiques pourraient servir de biomarqueurs prévisionnels pour faciliter le développement des médicaments neufs. Par l'analyse statistique des caractéristiques sommaires de GWAS, il est possible de recenser les SNP maladie-associés.

En dépit des sommes d'argent et du temps astronomiques investis dans l'analyse statistique des caractéristiques de SNP, les technologies conventionnelles de dépistage de SNP ont ne pu pas recenser tous les SNP possibles. C'est parce que la plupart des méthodes conventionnelles pour trouver des SNP sont conçues pour régler strictement des faux positifs dans les résultats. Par conséquent, parmi des dizaines de milliers de caractéristiques génomiques et de centaines de milliers de SNP analysés, le nombre de bornes décrites dans un gène de la maladie de candidat atteint souvent des dix de severl.

« Bien que le réglage du faux positif SNP est nécessaire pour l'évaluation correcte des résultats, excessif filtrage peut entraver son utilité dans le développement de médicament, » dit professeur Nam. « Par conséquent, la puissance statistique améliorée est essentielle aux algorithmes statistiques pratiques. »

L'équipe a visé à développer un algorithme qui améliore la prévisibilité statistique tout en mettant à jour le contrôle précis des faux positifs. Pour faire ceci, ils ont appliqué la courbure monotone de tendance de cannelure cubique à la rayure de gène par l'intermédiaire de l'analyse compétitive de voie pour des caractéristiques d'expression du gène.

Dans une étude comparative utilisant des caractéristiques simulées et réelles de GWAS, GSA-SNP2 a montré la haute énergie et le meilleur a donné la priorité à des voies positives d'étalon-or avec six méthodes enrichissement enrichissement existantes et deux méthodes indépendantes. Basé sur ces résultats, la différence entre les approches d'analyse de voie a été vérifiée et les effets des structures de corrélation de gène sur l'analyse d'enrichissement de voie ont été également discutés. De plus, GSA-SNP2 peut concevoir des réseaux d'interaction de protéines dans et en travers des voies significatives de sorte que l'usager puisse donner la priorité aux sous-réseaux de faisceau pour d'autres études.

Selon l'équipe de recherche, GSA-SNP2 fournit un contrôle d'erreur grand de type amélioré d'I à l'aide des rayures de gène réglées parcompte, alors que cependant préservant la puissance statistique élevée. Il fournit également les réseaux locaux et globaux d'interaction de protéines dans les voies associées, et peut faciliter la voie et l'analyse réseau intégrées des caractéristiques de GWAS.

L'équipe de recherche compte que leur GSA-SNP2 peut concevoir des réseaux d'interaction de protéines dans et en travers des voies significatives de sorte que l'usager puisse donner la priorité aux sous-réseaux de faisceau pour d'autres études.

Source : http://news.unist.ac.kr/new-method-for-finding-disease-susceptibility-genes/