Advancing Disease Gene Identification with cTWAS: A Fresh Approach

Avancées dans l’identification des gènes de maladies grâce à la cTWAS : une approche nouvelle

Des scientifiques de l’Université de Chicago ont réalisé des progrès significatifs dans le domaine de l’identification des gènes de maladies grâce au développement d’un nouvel outil statistique appelé études d’association à l’échelle du transcriptome causales (cTWAS). Publiée dans Nature Genetics, leur recherche met en avant l’efficacité de cet outil pour localiser avec précision les gènes et les variants responsables des maladies en combinant les données des études d’association à l’échelle du génome (GWAS) et les prédictions d’expression génique.

Contrairement aux méthodes traditionnelles qui se concentrent sur des gènes individuels, la cTWAS adopte une approche globale en prenant en compte les gènes et les variants environnants. Cette approche réduit efficacement les faux positifs et élimine les variables de confusion, ce qui permet d’identifier de manière plus fiable les gènes réellement causaux. Ceci est crucial car de nombreuses maladies humaines sont influencées par des interactions complexes entre plusieurs gènes et facteurs environnementaux.

Le défi réside dans la distinction entre les relations associatives et causales dans les études GWAS. Bien que de telles études puissent identifier des variants liés aux maladies dans tout le génome, elles n’établissent pas directement de liens causaux. Xin He, PhD, auteur principal de l’étude, souligne la difficulté d’identifier le variant causal spécifique parmi plusieurs variants fortement corrélés au sein d’une région génomique. De plus, la présence de nombreux variants génétiques dans les génomes non codants complique davantage l’interprétation de leurs effets.

Pour surmonter ces défis, la cTWAS exploite les données sur les loci des traits quantitatifs d’expression (eQTL). Cependant, les méthodes existantes utilisant les données eQTL produisent souvent de faux positifs en raison de facteurs de confusion. C’est là que brille la cTWAS, réduisant les fausses nominations positives de plus de 50%. Sa mise en œuvre a le potentiel de révolutionner le domaine en facilitant les analyses qui relient les variations génétiques aux phénotypes.

Dans une démonstration des capacités de la cTWAS, les chercheurs ont examiné la génétique des niveaux de cholestérol LDL. Les méthodes eQTL traditionnelles ont désigné un gène impliqué dans la réparation de l’ADN, tandis que la cTWAS a identifié un variant différent dans le gène ciblé par les statines. Avec la cTWAS, les chercheurs ont réussi à identifier 35 gènes causaux présumés de LDL, dont plus de la moitié n’avaient jamais été rapportés.

De manière excitante, les chercheurs ont rendu le logiciel cTWAS disponible en téléchargement. Les projets futurs comprennent l’extension de ses capacités pour intégrer d’autres types de données omiques, tels que l’épissage et l’épigénétique, ainsi que l’utilisation des eQTL provenant de plusieurs types de tissus. Grâce à cet outil innovant, la communauté scientifique dispose d’une ressource précieuse pour démêler les connexions complexes entre les variations génétiques et les phénotypes de maladies.

Questions fréquemment posées (FAQ) sur l’identification des gènes de maladies à l’aide de la cTWAS

All Rights Reserved 2021
| .
Privacy policy
Contact