英美科学家合作开发出新工具,

大大提高基因组分析效率

诸平

   据Nature Methods网站，2015年6月15日报道，欧洲生物信息学研究所欧洲分子生物学实验室（European Molecular Biology Laboratory, European Bioinformatics Institute简称EMBL-EBI）的研究人员开发出一种新的方法，可研究多重基因变异对不同性状的影响，这种新算法能够同时对多达50万个人和许多特征进行遗传分析。详见——Casale F P, et al. Efficient set tests for the genetic analysis of correlated traits. Nature Methods. Published online 15 June 2015; DOI: 10.1038/nmeth.3439.

据物理学家组织网（www.phys.org）2015年6月16日报道，题为“复杂、大规模的基因组分析变得更简单（Complex, large-scale genome analysis made easier）”。文章指出，基因与疾病之间的一对一关系比较简单，但是，基因和特异性状之间的关系则更为复杂。全基因组关联研究（Genome-wide association studies简称GWAS)表明，许多遗传因素对任何给定的特征起作用，但科学家们刚刚开始探索“特定遗传变异是如何影响健康和疾病的”。发现这些联系的2个主要统计学挑战就是：分析许多不同遗传变异与多个性状之间的关联，并充分利用来自大型队列（包括成千上万个个体）研究的数据。

EMBL-EBI研究小组组长奥利弗·斯蒂格勒（Oliver Stegle）解释说：“确定引起表型或特征的遗传变异，是非常具有挑战性的，一般我们通过逐一分析每种表型和每个变体，达到此目的。但我们所用的模型过于简单，故难以解开遗传变异与疾病表型之间复杂的依赖关系。”迄今为止，可让我们研究很多不同变体共同作用的复杂模型，涉及到很多的计算，运行一次单一的复杂质疑（single complex query），就需要花费一年的时间。

奥利弗·斯蒂格勒说他们6月15日在Nature Methods杂志发表的这项研究，其突破就在于能够对许多变体和表型进行综合分析，速度等同于现有的方法。他们利用来自公共数据库的两项研究的数据，测试了他们的新算法，并将结果与现有的先进工具进行比较。他们对四种脂质相关特性进行了研究。4种脂质包括低密度脂蛋白（LDL）和高密度脂蛋白（HDL）的胆固醇水平、C-反应蛋白、甘油三酯（triglycerides)。研究结果证明，这种新方法实际上更快，并可以驱动它们在遗传学方面来解释大部分特性。奥利弗·斯蒂格勒指出，“我们希望能够从2个方向探讨这些问题。其一是研究某个单基因中的所有变体，它们可能参与一个特定脂质特性的调控；其二是探讨更大血脂水平组的综合影响，例如寻找出通常关于脂质调控主要线索。”

使用这种新的方法，GWAS研究人员可以同时探索一个基因的几个变体，同时将它们与几种相关表型进行比较。这使得我们更容易确定哪些基因或基因上的哪些位置，参与了特定的功能，如调节脂质。奥利弗·斯蒂格勒说：“此项工作重要点就在于它提高了统计能力，并为人们提供必需的工具，在非常庞大的队列中分析多个特征。我们的算法可以用来研究50万个人，迄今为止这都是不可能的。”

EMBL-EBI副主任（Associate Director at EMBL-EBI）尤恩·伯尼（Ewan Birney）指出，目前，人们使用多变量方法分析一个或多个表型，但只能同时研究一个变体。奥利弗·斯蒂格勒等人的这种新方法的确是一大进步，因为它可以让你在同一时间做两件事情，真可谓有一箭双雕之功效。这种新算法为基因组学研究来说，可以认为是雪中送炭，提供了急需的方法，使大而复杂的基因组分析变得更易于操作和实用。尤恩·伯尼表示：“这种被称之为mSet的方法，提供了一种检测多基因变异和特征群之间统计关系的原则性分析方法。这些方法将有助于研究人员确定，我们生物学的哪些具体方面是遗传的，并进一步阐明我们无数生物学过程背后的遗传学机制。”

更多信息请浏览原文.