O estudo revela o algoritmo estatístico novo para identificar genes potenciais da doença

Um estudo novo, afiliado com UNIST tem apresentado recentemente um algoritmo estatístico novo, capaz de identificar genes potenciais da doença em uma maneira mais exacta e mais eficaz na redução de custos. Este algoritmo foi considerado igualmente como uma aproximação prometedora nova para a identificação de genes da doença do candidato, porque trabalha eficazmente com dados menos genomic e toma somente uma acta ou dois para obter resultados.

Esta descoberta foi conduzida pelo professor Dougu Nam e sua equipa de investigação na escola das ciências da vida em UNIST. Seus resultados foram publicados na pesquisa dos ácidos nucleicos o 19 de março de 2018.

No estudo, a equipa de investigação apresentou o método e o software novos GSA-SNP2 para a análise do enriquecimento do caminho de dados do P-valor de GWAS. De acordo com a equipa de investigação, GSA-SNP2 fornece o poder superior, o tipo aceitável mim controle de erro e a computação rápida incorporando o modelo aleatório do grupo e a contagem ajustada SNP-contagem do gene.

“GSA-SNP2 é um poderoso e ferramenta eficiente para o enriquecimento do caminho e a análise de rede de dados sumários do estudo (GWAS) genoma-largo da associação,” diz o professor Nam. “Com este algoritmo, nós podemos facilmente identificar alvos novos da droga, desse modo aprofundando nossa compreensão das doenças e destravar terapias novas para tratá-la.”

O genoma de cada indivíduo é uma combinação original de seqüências do ADN que jogam maiores protagonismo em determinar quem nós somos. Isto esclarece todas as diferenças individuais, incluindo a susceptibilidade para a doença e fenótipos diversos. Tal variação genética entre seres humanos é sabida como únicos polimorfismo do nucleotide (SNPs). SNPs que correlacionam com as doenças específicas poderia servir como biomarkers com carácter de previsão para ajudar à revelação de drogas novas. Com a análise estatística de dados sumários de GWAS, é possível identificar o SNPs doença-associado.

Apesar das quantidades de dinheiro e do tempo astronômicos investidos na análise estatística de dados de SNP, as tecnologias convencionais da detecção de SNP foram incapazes de identificar todo o SNPs possível. Isto é porque a maioria dos métodos convencionais para detectar SNPs são projectados controlar restrita falsos positivos nos resultados. Conseqüentemente, entre dez dos milhares de dados da genómica e de centenas de milhares de SNPs analisou, o número de marcadores descritos dentro de um candidato o gene da doença que alcança frequentemente dez do severl.

“Embora controlar o falso positivo SNPs é necessário para a interpretação correcta dos resultados, demasiada filtração pode impedir de sua utilidade na revelação da droga,” diz o professor Nam. “Conseqüentemente, a potência estatística aumentada é essencial aos algoritmos estatísticos práticos.”

A equipe apontou desenvolver um algoritmo que melhorasse a previsibilidade estatística ao manter o controle exacto dos falsos positivos. Para fazer este, aplicaram a curva monótonos da tendência da ranhura cúbica à contagem do gene através da análise competitiva do caminho para dados da expressão genética.

Em um estudo comparativo usando dados simulados e reais de GWAS, GSA-SNP2 exibiu o poder superior e os caminhos positivos prioritários melhor da bandeira de ouro comparados com o seis que existem enriquecimento-basearam métodos e dois métodos independentes. Baseado nestes resultados, a diferença entre aproximações da análise do caminho foi investigada e os efeitos das estruturas da correlação do gene na análise do enriquecimento do caminho foram discutidos igualmente. Além, GSA-SNP2 pode visualizar redes da interacção da proteína dentro e através dos caminhos significativos de modo que o usuário possa dar a prioridade às sub-redes do núcleo para uns estudos mais adicionais.

De acordo com a equipa de investigação, GSA-SNP2 fornecer um tipo extremamente melhorado mim controle de erro usando as contagens ajustadas SNP-contagem do gene, quando não obstante preservando a potência estatística alta. Igualmente fornece redes locais e globais da interacção da proteína nos caminhos associados, e pode facilitar a análise integrada do caminho e de rede de dados de GWAS.

A equipa de investigação espera que seu GSA-SNP2 pode visualizar redes da interacção da proteína dentro e através dos caminhos significativos de modo que o usuário possa dar a prioridade às sub-redes do núcleo para uns estudos mais adicionais.

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