El estudio revela algoritmo estadístico nuevo para determinar genes potenciales de la enfermedad

Un nuevo estudio, afiliado con UNIST ha presentado recientemente un algoritmo estadístico nuevo, capaz de determinar genes potenciales de la enfermedad de una manera más exacta y más de poco costo. Este algoritmo también se ha considerado como nueva aproximación prometedora para la identificación de los genes de la enfermedad del candidato, pues trabaja eficazmente con datos menos genomic y toma solamente un minuto o dos para conseguir resultados.

Esta ruptura ha conducto por profesor Dougu Nam y su equipo de investigación en la escuela de ciencias de la vida en UNIST. Sus conclusión se han publicado en la investigación de los ácidos nucléicos el 19 de marzo de 2018.

En el estudio, el equipo de investigación presentó el método y el software nuevos GSA-SNP2 para el análisis del enriquecimiento del camino de los datos del P-valor de GWAS. Según el equipo de investigación, GSA-SNP2 ofrece poder más elevado, el tipo decente mando de desvío de I y el cómputo rápido incorporando el modelo al azar del equipo y la muesca ajustada SNP-cuenta del gen.

“GSA-SNP2 es un potente y herramienta eficiente para el enriquecimiento del camino y el análisis de red de los datos sumarios del estudio (GWAS) genoma-ancho de la asociación,” dice a profesor Nam. “Con este algoritmo, podemos determinar fácilmente nuevos objetivos de la droga, de tal modo profundizando nuestra comprensión de enfermedades y abrir nuevas terapias para tratarla.”

El genoma de cada individuo es una combinación única de las series de la DNA que desempeñan papeles principales en la determinación de quién somos. Esto explica todas las diferencias individuales, incluyendo la susceptibilidad para la enfermedad y los fenotipos diversos. Tal variación genética entre seres humanos se conoce como únicos polimorfismos del nucleótido (SNPs). SNPs que correlacionan con las enfermedades específicas podría servir como biomarkers proféticos ayudar al revelado de nuevas drogas. Con el análisis estadístico de los datos sumarios de GWAS, es posible determinar el SNPs enfermedad-asociado.

A pesar de los periodos astronómicos de dinero y de tiempo invertidos en el análisis estadístico de los datos de SNP, las tecnologías convencionales de la detección de SNP han no podido determinar todo el SNPs posible. Esto es porque la mayor parte de los métodos convencionales para descubrir SNPs se diseñan para controlar estrictamente falso-positivos en los resultados. Por lo tanto, entre decenas de miles de datos de la genómica y cientos de miles SNPs analizado, el número de marcadores descritos dentro de un gen de la enfermedad del candidato alcanza a menudo diez del severl.

“Aunque controlar el positivo falso SNPs es necesario para la interpretación correcta de los resultados, demasiada filtración puede obstaculizar su utilidad en el revelado de la droga,” dice a profesor Nam. “Por lo tanto, la potencia estadística aumentada es esencial para los algoritmos estadísticos prácticos.”

Las personas apuntaron desarrollar un algoritmo que perfecciona la previsibilidad estadística mientras que mantiene el mando exacto de positivos falsos. Para hacer esto, aplicaron la curva monótona de la tendencia de la ranura cúbica a la muesca del gen vía el análisis competitivo del camino para los datos de la expresión génica.

En un estudio comparativo usando datos simulados y reales de GWAS, GSA-SNP2 exhibió poder más elevado y los caminos positivos prioritarios mejor del patrón oro comparados con seis que existía enriquecimiento-basaron métodos y dos métodos independientes. De acuerdo con estos resultados, la diferencia entre las aproximaciones del análisis del camino fue investigada y los efectos de las estructuras de la correlación del gen sobre el análisis del enriquecimiento del camino también fueron discutidos. Además, GSA-SNP2 puede visualizar redes de la acción recíproca de la proteína dentro y a través de los caminos importantes de modo que el utilizador pueda dar prioridad a los redes secundarios de la base para otros estudios.

Según el equipo de investigación, GSA-SNP2 ofrece un mando de desvío grandemente de un tipo mejorado de I usando las muescas ajustadas SNP-cuenta del gen, mientras que sin embargo preservando alta potencia estadística. También ofrece redes locales y globales de la acción recíproca de la proteína en los caminos asociados, y puede facilitar el análisis integrado del camino y de red de los datos de GWAS.

El equipo de investigación cuenta con que su GSA-SNP2 pueda visualizar redes de la acción recíproca de la proteína dentro y a través de los caminos importantes de modo que el utilizador pueda dar prioridad a los redes secundarios de la base para otros estudios.

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