全基因組關(guān)聯(lián)分析

全基因組關(guān)聯(lián)分析專家講座第1頁(yè)2概念引言全基因組關(guān)聯(lián)分析——英文名字叫Genome-wideassociationstudy簡(jiǎn)稱——GWAS

全基因組關(guān)聯(lián)分析——是指在人類全基因組范圍內(nèi)找出存在序列變異，即單核苷酸多態(tài)性（SNP），從中篩選出與疾病/性狀相關(guān)SNPs。

全基因組關(guān)聯(lián)分析專家講座第2頁(yè)3概念引言

全基因組范圍內(nèi)SNP全基因組關(guān)聯(lián)分析專家講座第3頁(yè)4概念引言

全基因組范圍內(nèi)SNP對(duì)某一復(fù)雜疾病/性狀影響——關(guān)聯(lián)身高間差異全基因組關(guān)聯(lián)分析專家講座第4頁(yè)5單基因遺傳

背景利用家系連鎖分析定位克隆方法，發(fā)覺(jué)了大量單基因疾病，如囊性纖維化病、亨廷頓病性癡呆亨廷頓病性癡呆囊性纖維化病全基因組關(guān)聯(lián)分析專家講座第5頁(yè)6單基因遺傳性狀背景全基因組關(guān)聯(lián)分析專家講座第6頁(yè)7單基因遺傳性狀背景全基因組關(guān)聯(lián)分析專家講座第7頁(yè)8家系連鎖分析定位克隆

背景單基因家系連鎖分析全基因組關(guān)聯(lián)分析專家講座第8頁(yè)9背景但對(duì)于復(fù)雜疾病，連鎖分析作用非常有限。全基因組關(guān)聯(lián)分析專家講座第9頁(yè)10研究基礎(chǔ)進(jìn)行GWAS時(shí),選擇表型定義要準(zhǔn)確和準(zhǔn)確應(yīng)盡可能選擇那些可定量反應(yīng)疾病危險(xiǎn)程度指標(biāo)、可用于分析疾病臨床亞型特征,或可用于診療和判別診療疾病表型特征。

缺血性腦卒中可能包括血栓脫落或者腦動(dòng)脈粥樣硬化等不一樣發(fā)病機(jī)制,但在人群中卻經(jīng)常同時(shí)出現(xiàn)而難以區(qū)分

全基因組關(guān)聯(lián)分析專家講座第10頁(yè)11研究基礎(chǔ)單核苷酸多態(tài)性（SNP）和拷貝數(shù)變異(CNV)—GWAS主要對(duì)象伴隨人類基因組單體型計(jì)劃完成，收錄了成千上百萬(wàn)SNP，SNP是人類基因組中最常見(jiàn)遺傳變異，現(xiàn)已被用作第三代遺傳標(biāo)識(shí)。CNV是指與參考序列相比,基因組中≥1kb

DNA片段插入、缺失和/或擴(kuò)增,及其相互組合衍生復(fù)雜染色體結(jié)構(gòu)變異。發(fā)覺(jué)了成千上萬(wàn)基因組拷貝數(shù)變異(copynumbervariations,CNV)，它們能顯著影響基因表示。全基因組關(guān)聯(lián)分析專家講座第11頁(yè)12研究基礎(chǔ)基因組單倍體圖譜計(jì)劃(InternationalHumanHapMapProject)實(shí)施和基因連鎖不平衡全基因組關(guān)聯(lián)分析專家講座第12頁(yè)13遺傳標(biāo)識(shí)選擇SNP基于單倍型圖譜(HapMap)能夠選擇五十萬(wàn)到一百萬(wàn)個(gè)覆蓋全基因組SNP用于GWAS。CNV基因組拷貝數(shù)變異(copynumbervariations,CNV)是指與參考序列相比,基因組中≥1kb

DNA片段插入、缺失和/或擴(kuò)增,及其相互組合衍生復(fù)雜染色體結(jié)構(gòu)變異

全基因組關(guān)聯(lián)分析專家講座第13頁(yè)14SNP單倍型，是單倍體基因型簡(jiǎn)稱，在遺傳學(xué)上是指在同一染色體上進(jìn)行共同遺傳多個(gè)基因座上等位基因組合全基因組關(guān)聯(lián)分析專家講座第14頁(yè)15CNV

年,Iafrate等和Sebat等首次描述了人類基因組CNV,年Redon等確定了覆蓋12%(300Mb)人類基因組1447個(gè)CNV區(qū)域(CNVregion,CNVR)CNV可能經(jīng)過(guò)數(shù)量作用和質(zhì)量作用兩種機(jī)制引發(fā)基因劑量改變?cè)斐杀硇透淖?所以CNV全基因組關(guān)聯(lián)分析(CNVassociationanalysis)可能更輕易檢測(cè)到致病遺傳變異全基因組關(guān)聯(lián)分析專家講座第15頁(yè)16CNV

年11月23日,一個(gè)國(guó)際研究小組在Nature(,444:444)上發(fā)表研究匯報(bào)稱,經(jīng)過(guò)分析270名亞洲、非洲和歐洲健康者DNA樣本,發(fā)覺(jué)了約2900個(gè)基因(最少占人類基因總數(shù)10%)含有特異DNA片段拷貝數(shù)變異(CNV)。研究者認(rèn)為,這些變異會(huì)影響基因活性,造成疾病易感性個(gè)體差異。以前學(xué)術(shù)界認(rèn)為人類個(gè)體間基因組序列一致性達(dá)99.9%,該研究結(jié)果對(duì)此提出了置疑。另外,伴隨第一代人類基因組拷貝數(shù)變異圖譜完成,人們審閱疾病與基因關(guān)系又多了一個(gè)視角,除了檢測(cè)單核苷酸多態(tài)性(SNP),或者顯微鏡檢染色體異常外,還可對(duì)中間長(zhǎng)度(數(shù)百萬(wàn)核苷酸)DNA片段變異進(jìn)行評(píng)價(jià)。全基因組關(guān)聯(lián)分析專家講座第16頁(yè)17CNV染色體左側(cè)線條表示DNA丟失范圍;右側(cè)線條表示DNA增加范圍,粗線條表示擴(kuò)增.CGH檢測(cè)31例肝癌DNA變異頻率結(jié)果圖.

全基因組關(guān)聯(lián)分析專家講座第17頁(yè)18研究基礎(chǔ)基因分型技術(shù)和遺傳信息學(xué)發(fā)展近年來(lái)，基因分型技術(shù)不停進(jìn)步，分型成本顯著降低，以基因芯片技術(shù)為代表超高通量分型技術(shù)更是得到了飛速發(fā)展全基因組測(cè)序商業(yè)化和企業(yè)之間競(jìng)爭(zhēng)使得基因組測(cè)序成本越來(lái)越低全基因組關(guān)聯(lián)分析專家講座第18頁(yè)19截止到年12月，已經(jīng)陸續(xù)報(bào)導(dǎo)和公布了關(guān)于人類身高、體重、血壓等主要形狀，以及視網(wǎng)膜黃斑、乳腺癌、前列腺癌、白血病、冠心病、肥胖癥、糖尿病、精神分裂癥、風(fēng)濕性關(guān)節(jié)炎等幾十種疾病GWAS結(jié)果。累計(jì)發(fā)表了近萬(wàn)篇論文(9900篇)。確定了一系列疾病發(fā)病致病基因、相關(guān)基因、易感區(qū)域和單核苷酸多態(tài)性(SNP)變異，取得了很大成績(jī)?！癎WAS第一次高潮”結(jié)果全基因組關(guān)聯(lián)分析專家講座第19頁(yè)20結(jié)果截止到年12月GWAS發(fā)覺(jué)與人類性狀或復(fù)雜疾病關(guān)聯(lián)SNP位點(diǎn)（p<5×10-8）

不一樣顏色圓點(diǎn)代表不一樣性狀或疾病全基因組關(guān)聯(lián)分析專家講座第20頁(yè)21“GWAS第一次高潮”

結(jié)果GWAS方法學(xué)（如研究設(shè)計(jì)、統(tǒng)計(jì)分析、結(jié)果解釋）也取得了極大進(jìn)步全基因組關(guān)聯(lián)分析專家講座第21頁(yè)22進(jìn)行GWAS時(shí)需滿足病例必須攜帶造成疾病遺傳原因選擇覆蓋全基因組SNP或CNV研究樣本量到達(dá)足夠檢驗(yàn)效能采取高效可靠數(shù)據(jù)分析方法以及進(jìn)行重復(fù)驗(yàn)證檢驗(yàn)等條件全基因組關(guān)聯(lián)分析專家講座第22頁(yè)23研究方式全基因組關(guān)聯(lián)分析專家講座第23頁(yè)24研究方式全基因組關(guān)聯(lián)分析專家講座第24頁(yè)25研究方式GWAS當(dāng)前分為單階段研究和多階段研究單階段研究即選擇足夠樣本,一次性在全部研究對(duì)象中對(duì)選中SNP進(jìn)行基因分型,然后分析每個(gè)SNP與疾病關(guān)聯(lián),在早期GWAS多使用GWAS當(dāng)前分為單階段研究和多階段研究單階段研究即選擇足夠樣本,一次性在全部研究對(duì)象中對(duì)選中SNP進(jìn)行基因分型,然后分析每個(gè)SNP與疾病關(guān)聯(lián),在早期GWAS多使用GWAS當(dāng)前分為單階段研究和多階段研究單階段研究即選擇足夠樣本,一次性在全部研究對(duì)象中對(duì)選中SNP進(jìn)行基因分型,然后分析每個(gè)SNP與疾病關(guān)聯(lián),在早期GWAS多使用全基因組關(guān)聯(lián)分析專家講座第25頁(yè)26研究方式多階段研究多為兩階段研究694個(gè)體→923個(gè)體→全基因組關(guān)聯(lián)分析專家講座第26頁(yè)27兩階段研究第一階段分析能夠是以個(gè)體為單位，也能夠采取DNApooling方法，篩選出較少許陽(yáng)性SNP注意：要確保SNP敏感性和特異性后者簡(jiǎn)單，但誤差大，其預(yù)計(jì)等位基因頻率標(biāo)準(zhǔn)差在1%—4%之間，對(duì)檢驗(yàn)效能有主要影響第一階段分析能夠是以個(gè)體為單位，也能夠采取DNApooling方法，篩選出較少許陽(yáng)性SNP注意：要確保SNP敏感性和特異性后者簡(jiǎn)單，但誤差大，其預(yù)計(jì)等位基因頻率標(biāo)準(zhǔn)差在1%—4%之間，對(duì)檢驗(yàn)效能有主要影響全基因組關(guān)聯(lián)分析專家講座第27頁(yè)28兩階段研究第二階段采取更大樣本對(duì)第一階段篩選出陽(yáng)性SNP進(jìn)行分析注：應(yīng)用大樣本人群甚至在各種人群中進(jìn)行基因分型驗(yàn)證全基因組關(guān)聯(lián)分析專家講座第28頁(yè)29遺傳統(tǒng)計(jì)分析

GWAS比較每個(gè)SNP等位基因頻率差異多采取4格表卡方檢驗(yàn)，同時(shí)需對(duì)如年紀(jì)、性別等主要混雜原因采取Logistic回歸分析。在GWAS中,人群分層(populationstratification)和多重假設(shè)檢驗(yàn)調(diào)整

(multipletestingadjusting)是引發(fā)研結(jié)果分析誤差最主要原因全基因組關(guān)聯(lián)分析專家講座第29頁(yè)30人群分層人群分層是造成許多大樣本研究出現(xiàn)假陽(yáng)性或假陰性結(jié)果一個(gè)主要原因

如Campbell等()采取歐裔美國(guó)人研究與身高表型乳糖酶基因型關(guān)聯(lián),其結(jié)果在其它人群難以重復(fù)原因即是受研究對(duì)象在不一樣地域存在極大差異引發(fā)人群分層影響人群分層產(chǎn)生問(wèn)題即使在研究對(duì)象是同一個(gè)族人群時(shí)也依然存在,而且現(xiàn)有研究方法還未能有效地處理這類問(wèn)題

一個(gè)可能策略是采取基于家系關(guān)聯(lián)研究,該方法能夠防止人群分層對(duì)關(guān)聯(lián)分析結(jié)果影響

全基因組關(guān)聯(lián)分析專家講座第30頁(yè)31群體分層全基因組關(guān)聯(lián)分析專家講座第31頁(yè)32假如采取較為寬松多重假設(shè)檢驗(yàn)方法就可能造成I類錯(cuò)誤,出現(xiàn)大量假陽(yáng)性關(guān)聯(lián);不過(guò)假如采取最為嚴(yán)格Bonferroni校正,則又可能造成過(guò)分校正,結(jié)果使假陰性概率增加,而與疾病真正關(guān)聯(lián)SNP難以發(fā)覺(jué)。二、多重假設(shè)檢驗(yàn)結(jié)論：GWAS不能僅憑P值判斷某個(gè)SNP是否與疾病真正關(guān)聯(lián),各種族、多群體、大樣本重復(fù)驗(yàn)證研究(replication)才是提升檢驗(yàn)效能、確保發(fā)覺(jué)真正疾病關(guān)聯(lián)SNP關(guān)鍵。全基因組關(guān)聯(lián)分析專家講座第32頁(yè)33不足經(jīng)過(guò)統(tǒng)計(jì)分析遺傳原因和性狀/復(fù)雜疾病關(guān)聯(lián)確定與特定性狀/復(fù)雜性疾病關(guān)聯(lián)功效性位點(diǎn)存在一定難度——同義突變、不在ORF等。比如：胰島素基因開啟子中遺傳變異增加Ⅰ型糖尿病風(fēng)險(xiǎn)

SNP在RNA轉(zhuǎn)錄或翻譯效率上發(fā)揮作用,可能在基因表示上產(chǎn)生短暫或依賴時(shí)空各種影響,刺激調(diào)節(jié)基因轉(zhuǎn)錄表示或影響其RNA剪接方式。所以,研究者在找尋疾病相關(guān)變異時(shí),應(yīng)同時(shí)注意到編碼區(qū)和調(diào)控區(qū)位點(diǎn)變異主要性。全基因組關(guān)聯(lián)分析專家講座第33頁(yè)34不足大部分常見(jiàn)遺傳變異可能經(jīng)過(guò)單獨(dú)或聯(lián)合作用輕度增加疾病發(fā)生風(fēng)險(xiǎn)，而這些變異僅可解釋部分人群中因遺傳引發(fā)表型變異。全基因組關(guān)聯(lián)分析專家講座第34頁(yè)35不足最終,GWAS是一個(gè)發(fā)覺(jué)符合常見(jiàn)疾病-常見(jiàn)變異假說(shuō)(commondiseasecommonvarianthypothesis)相關(guān)位點(diǎn)方法,其能夠確定相關(guān)位點(diǎn)但不能直接確定基因本身

,且在任何特定人群中GWAS都不能方便地識(shí)別罕見(jiàn)風(fēng)險(xiǎn)等位基因位點(diǎn)（下列圖）全基因組關(guān)聯(lián)分析專家講座第35頁(yè)36不足全基因組關(guān)聯(lián)分析專家講座第36頁(yè)37反思

“全部改變,即使是最令人期待,也有令人惆悵一面,我們拋在腦后一切仍如影隨形”—阿納托爾·法朗士(AnatoleFrance,1844～1924）現(xiàn)在發(fā)覺(jué)這種全基因組分析是高出低收

:昂貴全基因組關(guān)聯(lián)研究（每人份花費(fèi)預(yù)計(jì)高達(dá)數(shù)百萬(wàn)美元)所得結(jié)果龐雜無(wú)序，大多數(shù)基因變異與疾病并不關(guān)聯(lián)。在已實(shí)施100余項(xiàng)GWAS和幾千例患者樣本分析結(jié)果發(fā)覺(jué)，許多基因變異都是罕見(jiàn)基因變異而不是關(guān)鍵基因，有一些變異僅僅與疾病危險(xiǎn)因子、誘發(fā)因子、影響因子相關(guān)，而不是疾病直接相關(guān)聯(lián)基因全基因組關(guān)聯(lián)分析專家講座第37頁(yè)38反思

在疾病/性狀發(fā)生過(guò)程中，基因是主要，但不是唯一，除了基因以外，還有RNA、蛋白質(zhì)等；除了基因變異以外，還有轉(zhuǎn)錄、翻譯、表觀(epigenetics)、構(gòu)象、調(diào)整和功效改變等。

最近國(guó)際基因組研究團(tuán)體在冷泉港開會(huì)，研究、調(diào)整、布署下一階段基因組計(jì)劃。提出應(yīng)以“外顯子”為全基因組分析中心。因?yàn)橐寻l(fā)覺(jué)多數(shù)與疾病相關(guān)聯(lián)基因變異都發(fā)生在外顯子，而且外顯子數(shù)量少，功效明確，分析相對(duì)輕易、經(jīng)濟(jì)。

全基因組關(guān)聯(lián)分析專家講座第38頁(yè)39反思所得結(jié)果龐雜無(wú)序，大多數(shù)基因變異與疾病并不關(guān)聯(lián)。在已實(shí)施100余項(xiàng)GWAS和幾千例患者樣本分析結(jié)果發(fā)覺(jué)，許多基因變異都是罕見(jiàn)基因變異而不是關(guān)鍵基因，有一些變異僅僅與疾病危險(xiǎn)因子、誘發(fā)因子、影響因子相關(guān)，而不是疾病直接相關(guān)聯(lián)基因流行病學(xué)家JohnIoannidis說(shuō)：“大多數(shù)已發(fā)表研究都是錯(cuò)誤?！?/p>

他認(rèn)為，太多科學(xué)家們急功近利地尋找種種基因變異與某一疾病發(fā)生風(fēng)險(xiǎn)之間關(guān)系，而雜志社又急于發(fā)表描述這類關(guān)系研究論文。

全基因組關(guān)聯(lián)分析專家講座第39頁(yè)40美國(guó)加州一個(gè)與硅芯片相關(guān)潛力大產(chǎn)業(yè)正在這里興起，那就是基因組測(cè)序技術(shù)產(chǎn)業(yè)。一家名為“整合基因”（CompleteGenomics，CG）企業(yè)專為科學(xué)家提供外包測(cè)序服務(wù)，更絕是，在這家企業(yè)里做測(cè)序，并不是研究人員，而是一排排機(jī)器人當(dāng)前CG企業(yè)只針對(duì)研究者和制藥企業(yè)開放，個(gè)人還沒(méi)法購(gòu)置他們服務(wù)。