SNP与SNV.ppt.pptVIP

基于测序的SNV分析 SNV分析可采用全基因组(whole-genome)和全外显子(whole-exom)测序两种方式 基于测序的分析样本量可以比较小 测序的目的是发现直接致病的变异 可能发现之前未知的新致病基因，甚至发现疾病的决定子 家系(受累亲属对)数据测序 极端性状测序 SNP与SNV的未来 THANK YOU ! 肺癌的基因组范围关联研究案例 实验一：Texas I (1154 case:1173 control) 315450个SNP 实验二：Texas II (711 case:632 control) 实验三：UK (2013 case:3062 control) 样本信息 显著关联的肺癌风险SNP 肺癌基因定位15q25.1 PSMA4\CHRNA5\CHRNA3\CHRNB4 GWAS研究成果 Nature Genetics中的GWAs (2005-2011) 基因型与表型数据存储dbGap 多数据层面的meta分析 Meta分析的基本流程 Meta分析中的数据整合 Meta分析研究2型糖尿病案例 实验平台一：1924 case:2938 control 393 143个SNP 实验平台二：1464 case:1467 control 378 860个SNP 实验平台三：1161 case:1174 control 44 750个SNP SNP的测序识别 测序数据SNP识别的流程 免费的测序数据SNP识别工具 重点推荐 SNP识别工具日新月异，基本的提取和质量控制工具应经过大量应用的方法，支持多样本整合 单个位点质量估计推荐使用GATK或SOAPsnp 短读长与参考基因组比对推荐使用较为敏感的工具，如Novoalign或Stampy 基因型提取方法最好支持多样本贝叶斯推断，并考虑到LD的作用，以提高准确率 SNV与SNP在疾病研究中的差异 疾病研究的样本量需求 疾病研究中的优势比比较 SNP与SNV的差异性比较 SNP疾病分析的特点 常见SNP的研究不需要前提假设 风险SNP OR值一般处于1.2-1.5之间 需大量样本和重复实验来获得稳定的风险值，消除对照样本分层影响、对抗严格的多重检验校正 显著性水平一般需小于10-7 识别近千个高显著性位点(NHGRI) SNV与疾病相关性研究流程 SNV频率低，一般不能被群体遗传学方法直接俘获 SNV的识别依赖于群体遗传学研究结果 第一步对所有样本候选基因进行测序 识别SNV，估计SNV的功能特性：保守区域、电势改变、结构变异、表达差异 SNV在疾病和对照组之间的频率有差异，与疾病相关的功能存在联系性 SNV研究的关注点 候选基因的选择 基因功能的损伤会导致严重的疾病后果 SNP分析具有一定的家族性特点 参与疾病、生理相关的重要通路或生物学过程 适当的病例组、对照组选择 家族性(受累亲属对)相关病例提示存在SNV 发病年龄相对早 足够大样本量的候选基因重测序 SNV的功能分析 常用的SNV功能分析工具 依据频率的分析策略 包含SNV的关联分析策略 SNV与疾病相关性研究示例 适应于SNV的统计分析工具 疾病相关常见多态与罕见变异的比较分析 徐良德 副教授 哈医大生物信息学院 复杂疾病的复杂性 复杂疾病的分子遗传特征 多基因 (polygenic) 微效性 (minor effect) 多效性 (pleiotropy) 异质性 (heterogenity) 上位效应 (epistasis) 复杂疾病与生物信息学 高通量、数量化、系统性 SNP与SNV 量度指标 等位(Allele) 最小等位频率(Minor Allele Frequency, MAF) 5%, 5%1%, 1% 基因型(Genotype) 基因型频率 Hardy-Weinberg平衡 连锁不平衡(Linkage Disequilirium) D’, r2, LOD SNP的特点 人类基因组中有1000万个常见SNP，不同人群的SNP存在异质性 SNP分布均匀，是一种2态多态，易于分型 SNP与附近的DNA处于连锁不平衡状态，可以特异的代表某个区段 将SNP作为分子标记可以用于识别疾病相关染色体区段或作为疾病诊断分子标志物 常见变异常见疾病假说是定位研究的基础 SNV的特点 SNV的最小等位频率小于1%，数量巨大 很多SNV是Singleton，在人群中出现频率极低，与某些孟德尔遗传病直接相关 一个世代传递会发生约200个新突变位点，体细胞DNA也可能产生SNV SNV与常见疾病发生有关，可能被常见SNP俘获，也可能独立行使功能 统计遗传学实验设计 临床样本积累原则 记录年龄、性别、民族、BMI、吸烟史、饮酒史等 检测血压、血糖、血脂值及其他与诊断有关的重要生理、病理指标 存档特定疾病