全基因组关联的研究中的交互作用的研究现状.pdfVIP

论文集 全基因组关联研究中的交互作用研究现状 王志鹏，王守志，李放歌，李辉 (东北农业大学动物科学技术学院，哈尔滨150030) nucleotide 摘要：利用高密度单核苷酸多态(Single polymorphism，SNP)标记在全基因组范围内检测影响复杂疾 病／性状的染色体区段或基因，已经成为目前遗传学领域新的突破点之一。在全基因组关联研究(Genome—wide association study，GWAS)取得大量成果之后，研究者们对在全基因范围内研究交互作用产生了极大的热情。近几 年，对交互作用的研究无论是在方法的研发、实际的应用以及统计学上的交互向生物学上的交互转化，还是在信息 组学的整合，，都呈现快速发展的趋势。已有很多策略和方法被尝试用于进行全基因组交互作用分析，这些研究推 动了对复杂疾病／性状遗传机制的进一步认识。基于目前全基因组交互分析所采用的各类数据处理方法的理论与算 法的异同，文章拟对目前使用较为广泛的回归类方法、机器学习方法、贝叶斯模型法、SNP筛选类方法和基于并行 程序的方法等5类方法加以评述， 着重介绍了这些方法的算法原理、计算效率以及差别之处。以期能够为相关领 域的研究者提供参考。 关键词： 全基因组交互分析；复杂疾病／性状；统计方法 nucleotide 利用高密度单核苷酸多态(single association 围的关联分析(Genome．widestudy,GWAS)，已经成为目前分子遗传学领域的研究热点之一。 通过对数千个体中几十万到上百万SNPs的检测，GWAS成为了研究复杂疾病／性状遗传结构的强有力的 新工具。近年来，各国科学家对涉及肿瘤、心血管系统疾病、胃肠道疾病、风湿病、皮肤病等以及身高、 体重、血脂等复杂疾病／性状开展了GWAS研究，取得了大量有价值的研究成果。 已经开展的GWAS研究比较关注单点关联分析和主效基因的检测，发现了很多与表型相关的位点， 但是估算发现这些位点只解释了很少的遗传变异。例如，对于人类的“身高”性状，据估计有80％来自遗 传，已经发现超过40个位点的变异影响身高。但通过对几万人的研究，发现这些位点只解释了表型变异 fPhenotypicvariance)的5％。其中的原因之一是还有更多的影响身高的位点没有被检测出来，另一个重 要的原因是，之前许多OWAS的统计模型中忽略了位点间的交互作用对目标性状的影响。复杂疾病／性 状大多受到微效基因的影响，微效基因及其对目标性状的影响更可能通过交互作用分析检测出来。因此， 在全基因组范围内，针对复杂疾病／性状，开展交互作用研究具有重要意义。研究交互作用将推动对复杂 疾病／性状遗传机制的进一步认识，实现对全基因组数据的深度分析，弥补经典GWAS的不足。近期， 越来越多的研究结果也显示位点间的交互作用是复杂疾病产生的主要遗传学基础之一。研究者们已在对 老年痴呆症、乳腺癌、精神分裂症等复杂疾病的研究中发现了SNP—SNP交互作用，除去常见的二维交 互作用外，有的还发现了三维、四维甚至更高维度的交互作用。 目前，研究者对交互作用的研究，无沦是在方法的研发、实际的应用以及统计学上的交互作用向生 物学上的交互作用的转化，还是在信息组学的整合，都呈现快速发展的趋势。本文着眼于检测位点间交 互作用的统计方法，归纳分析了相关的研究进展。 122 中国畜牧兽医学会信息技术分会2013年学术研讨会 1交互作用的定义 交互作用主要指非等位基因间的相互作用，有的文献中也称上位效应(Epistaticeffect)。上位效应的 本意是在两对基因共同影响一对相对性状时，其中一对基因能够抑制另一对基因的表现。Fisher从群体 水平考虑，1918年提出上位效应是非等位基因间的相互作用而产生的基因效应，其效应值是对单个位点 领域得到了普遍应用， 其内涵和外延在不断拓展，目前“上位效应”概念主要涉及3种类型，即功能上 epistasis)。由于不 位性(Functionalepistasis)、组合上位性(