新工具通过考虑祖先背景与家庭关系发现被忽视的疾病相关基因
每个人的DNA都讲述着独特的故事。要释放遗传研究的全部潜力,科学家需要能够反映其所研究人群复杂性的工具。
贝勒医学院(Baylor College of Medicine)和德克萨斯儿童医院邓肯神经学研究所(Texas Children's Duncan Neurological Research Institute,Duncan NRI)的研究人员开发出一种新的计算方法,使科学家能够通过考虑现实世界人群中存在的祖先背景和家庭关系,更准确地识别与疾病相关的遗传变化。
这种名为Tractor-Mix的新方法发表于《自然·遗传学》(Nature Genetics),解决了遗传研究中一个长期存在的挑战。许多现有方法难以准确分析DNA反映出来自一个以上祖先人群混合背景的人,以及参与同一研究的亲属。因此,研究人员常常不得不简化数据,或完全排除部分参与者。
“当今遗传研究中使用的许多统计方法,是在相对同质的人群中开发的,或者假定研究参与者之间没有亲缘关系,”资深作者、贝勒医学院分子与人类遗传学系助理教授兼Duncan NRI研究员伊丽莎白·阿特金森(Elizabeth Atkinson)博士说。
“随着遗传研究规模扩大,它们正在捕捉人类群体更真实的结构,包括来自多个群体的祖先背景以及参与者之间的家庭关系。Tractor-Mix为研究人员提供了一种直接对这种结构建模的方法,因此可以在分析中纳入更多参与者,同时保持识别疾病相关遗传信号所需的统计严谨性。”
厘清祖先背景与家庭关系
全基因组关联研究(通常称为GWAS)比较成千上万人的DNA,以识别与糖尿病、癌症和神经系统疾病等疾病及性状相关的遗传差异。这些研究改变了科学家对人类健康的理解,但分析具有复杂祖先背景或家庭关系的人仍然是一项重大挑战。
Tractor-Mix通过同时考虑祖先背景和家庭关系解决了这个问题,使研究人员能够分析更多参与者而不牺牲准确性。换句话说,Tractor-Mix帮助科学家在具有复杂祖先背景的人群中分离出此前混在一起、因而模糊不清的遗传信号。
“我们的目标是让遗传发现既更准确又更完整,”阿特金森说。“通过开发更能反映现实世界人群的方法,我们提高了理解疾病生物学的能力,并更接近让所有遗传背景患者受益的精准医学。”
传统方法遗漏的信号
研究人员利用计算机模拟和若干大型遗传数据集测试了Tractor-Mix,包括英国生物样本库(UK Biobank)和墨西哥城前瞻性研究(Mexico City Prospective Study);后者是世界上规模最大的混合祖先背景且家庭关系广泛的人群研究之一。该工具成功识别出已知的遗传关联,同时揭示了传统方法遗漏的新的祖先特异性信号。在一项分析中,Tractor-Mix识别出一个此前未被检测到的、与身体质量指数(BMI)相关的基因区域,展示了其揭示否则可能被忽视的发现的能力。
除了发现新的遗传关联外,Tractor-Mix还帮助研究人员确定是哪种祖先背景在驱动某一特定遗传信号。这种额外的细节水平可以改进未来识别致病基因、完善遗传风险预测以及更好地理解为何某些疾病以不同方式影响不同人群的工作。
随着遗传数据库不断增长并更好地反映人类群体的复杂性,研究人员认为,像Tractor-Mix这样的方法对于确保这些数据能够被准确分析将变得越来越重要。
“随着人类群体日益相互联系,我们的研究方法也需要随之演进,”阿特金森说。“我们希望Tractor-Mix能帮助研究人员取得原本可能被错过的发现,并最终增进我们对人类健康的理解。”
【全文结束】

