基于网络的全基因组关联分析方法

Understanding the genetic basis of human disease and the underlying mechanisms of how these diseases are affected by genetic variations is critical for public health.Genome-wide association study (GWAS）aims at detecting variants at genomic loci that are associated with complex traits in the population. Expression quantitative taits loci (eQTL) mapping has been extensively applied to unravel the genetic variants that can explain the variation in gene expression levels， which is important for the identification of disease molecular mechanism. Conventional eQTL mapping generally based on one gene-one marker method, which results in the loss of statistical power. We proposed to study the network based methods, including: (1) Identification of the network associated genetic variants, aiming at the detection of genetic marker which affects the regulatory network among a group of genes; (2) Detection of the epistasis among genetic markers; (3) Network based integration of multiple association studies, to increase the power of detection of disease associate genes.

认识人类疾病的遗传基础、发现遗传变异导致疾病的生物机制是人类健康的关键。全基因组关联分析(GWAS)旨在检测人群中的复杂性状与基因组上的突变位点之间的关联。表达数量性状(eQTL)分析是将基因表达量作为数量性状，发现可以解释基因表达变化的突变位点，是理解分子机制的重要手段。通常的eQTL分析以单基因、单位点的方式进行，忽略了基因之间、位点之间的可能相互作用，从而造成了统计检验功效的损失。本项目提出基于网络的关联分析方法，从三方面进行研究：其一、网络相关的遗传位点发现，旨在发现影响一组基因之间的调控网络的遗传位点；其二、遗传位点之间上位作用的检测；其三、基于网络的多数据关联分析融合，预测疾病相关的基因.

全基因组关联分析(GWAS)旨在检测人群中的复杂性状与基因组上的突变位点之间的关联。本项目提出基于网络的全基因组关联分析方法，从三方面进行研究：其一、网络相关的遗传位点发现，旨在发现影响一组基因之间的调控网络的遗传位点；其二、遗传位点之间上位作用的检测；其三、基于网络的多数据关联分析融合，预测疾病相关的基因。..按照项目计划，我们主要进行了三方面的研究：.1. 我们研究了基因网络的差异比较问题，从估计和检验两个方面进行研究，定义了相关的检验统计量，开发了相应的差异网络估计算法，并在相关数据上得到了很好的应用。.2. 我们发展了融合GWAS, eQTL和蛋白质相互作用网络数据的隐马尔可夫随机场方法。.3. 作为网络分析的基础，我们发展的RNA-SEQ数据预处理和表达量估计方法；发展了RNA-SEQ数据共表达网络估计方法；针对RNA-SEQ的成分性特点，开展了成分数据网络推断方面研究；发展了含有隐变量的基因网络推断方法。..本课题投入研究工作的人员共计16人，其中教授1名，博士生12名，硕士生1名,本科生2名。培养博士生8名，硕士生1名。共发表项目标注论文14篇，其中SCI论文13篇。参加国际会议13人次，国内会议12人次，总体上超额完成原定计划的研究内容和研究目标。