|||
GWAS的目的是从常见基因突变(common variant,>5%的人口所具有的突变)中来找到至病的变异。现在越来越多的人开始还疑这个昂贵方法的普适性。因为到目前为止,没有一个真正成功地用这个方法找到至病的变异,只能找到一些似是而非的、有统计意义但没有什么用的突变。(想起了英语的Lies, damned lies, and statistics)。Hall的文中提到普林斯顿大学教授David Botstein认为1.4亿美金的HapMap(人类基因组单体型图计划)是巨大的失败(magnificent failure)。
现在,有些人认为应该找罕见基因突变(rare variant,0.1-1%的人口所具有的突变)中来找到至病的变异。对于这样的变异,GWAS的方法就无效了。这个提议的假定是常见基因突变致病可能性不大,只有罕见基因突变才能致病。
所以在可见的将来,随着下一代测序技术(Next generation sequencing)的普及,寻找常见基因突变的GWAS的死亡将催生寻找罕见基因突变的方法及其应用。一个新的热点即将涌现。敬请大家关注。
我觉得写的很对。但是我有些观点不同意。比如,我不认为GWAS是一个完全的失败,对于有些疾病还是发现了一些治病基因的。Nature Genetics上有很多的例子。另外,HapMap我也不认为是一个彻底的失败。毕竟,很多信息具有重大的参考价值,比如Allele frequency,不做怎么知道呢?第三,rare variants究竟有多大的作用还是一个比较不明朗的命题。如果真的是只有rare variants才能导致疾病,那每个人的治病基因就都不一样了。我同意你的结论,next generation sequencing是技术发展的根本,但是我觉得除了rare variants之外,通过NGS找到novel variation,进而找到causal variation也会是一个重要的研究方向。在这里面,bioinformatics(而不是statistician)的作用就会更为明显。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-12-22 11:28
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社