Advancing Disease Gene Identification with cTWAS: A Fresh Approach

Fortschritte bei der Identifizierung von Krankheitsgenen mit cTWAS: Ein neuer Ansatz

Wissenschaftler an der University of Chicago haben mit der Entwicklung eines neuen statistischen Tools namens kausal-transkriptom-weite Assoziationsstudien (cTWAS) erhebliche Fortschritte bei der Identifizierung von Krankheitsgenen erzielt. Veröffentlicht in Nature Genetics, zeigt ihre Forschung die Wirksamkeit des Tools bei der präzisen Lokalisierung krankheitsauslösender Gene und Varianten, indem sie Daten aus genomweiten Assoziationsstudien (GWAS) und Genexpressionsvorhersagen kombiniert.

Im Gegensatz zu herkömmlichen Methoden, die sich auf einzelne Gene konzentrieren, wählt cTWAS einen ganzheitlichen Ansatz, indem es umgebende Gene und Varianten berücksichtigt. Dieser Ansatz reduziert effektiv falsch-positive Ergebnisse und eliminiert störende Variablen, was zu einer zuverlässigeren Identifizierung der tatsächlichen kausalen Gene führt. Dies ist entscheidend, da viele menschliche Krankheiten durch komplexe Wechselwirkungen zwischen mehreren Genen und Umweltfaktoren beeinflusst werden.

Die Herausforderung besteht darin, zwischen assoziativen und kausalen Beziehungen in GWAS-Studien zu unterscheiden. Solche Studien können zwar krankheitsbezogene Varianten im gesamten Genom identifizieren, sie stellen jedoch keine direkten kausalen Verbindungen her. Xin He, PhD, der leitende Autor der Studie, betont die Schwierigkeit, die spezifische kausale Variante unter mehreren stark korrelierten Varianten in einer genomischen Region zu identifizieren. Darüber hinaus erschwert das Vorhandensein vieler genetischer Varianten in nicht-kodierenden Genomen die Interpretation ihrer Effekte.

Um diese Herausforderungen zu bewältigen, nutzt cTWAS Expressions-quantitative Trait-Loci (eQTL)-Daten. Allerdings erzeugen vorhandene Methoden, die eQTL-Daten verwenden, oft falsch-positive Ergebnisse aufgrund von störenden Faktoren. Hier glänzt cTWAS, indem es die Anzahl der falsch-positiven Nennungen um mehr als 50% reduziert. Durch seine Implementierung besteht das Potenzial, das Forschungsfeld zu revolutionieren, indem es Analysen erleichtert, die genetische Variationen mit Phänotypen verbinden.

In einer Demonstration der Fähigkeiten von cTWAS untersuchten die Forscher die Genetik des LDL-Cholesterinspiegels. Herkömmliche eQTL-Methoden identifizierten ein Gen, das an der DNA-Reparatur beteiligt ist, während cTWAS eine andere Variante in dem von Statinen angezielten Gen identifizierte. Mit cTWAS identifizierten die Forscher erfolgreich 35 vermutlich kausale Gene von LDL, von denen mehr als die Hälfte zuvor nicht gemeldet wurden.

Aufregend ist, dass die Forscher die cTWAS-Software jetzt zum Download zur Verfügung gestellt haben. Zukünftige Vorhaben beinhalten die Erweiterung ihrer Fähigkeiten, um andere Arten von Omics-Daten, wie z.B. das Splicing und die Epigenetik, einzubeziehen, sowie die Nutzung von eQTLs aus mehreren Gewebetypen. Mit diesem innovativen Tool verfügt die wissenschaftliche Gemeinschaft über eine wertvolle Ressource, um die komplexen Verbindungen zwischen genetischen Variationen und Krankheitsphänotypen zu entschlüsseln.

Häufig gestellte Fragen (FAQ) zur Identifizierung von Krankheitsgenen mit cTWAS

All Rights Reserved 2021
| .
Privacy policy
Contact