基于个体化生物医学研究两种新ArrayTrack库.pptVIP

基于个性化生物医学研究的两种新ArrayTrack库;历史背景;内容简介;SNP数据库;SNP数据库;SNP数据库;QTL数据库;QTL数据库;QTL数据库;基因-营养交互，也就是说在某营养环境下找出与某些疾病相关的基因。通过手工去定位这些基因的位置是相当复杂和耗时的。QTL库通过搜索和收集数据和提供基于查询界面，我们能过快速而有效地定位这些基因的QTLs。 基因-营养交互策略大致分为两步来完成： 1.选择一种营养成分，如硫胺素，叶酸，核黄素，葡萄糖，果糖，维生素A，维生素D和维生素E等。 通过GeneGo或其他类似的路径搜索工具来搜索 参与该营养成分新陈代谢的基因列表。;2.使用QTL库，将每一基因会映射在促进某种表性特征的QTLs上。这新表性特征主要是遗传变异性引起的一些疾病（如肥胖，2型糖尿病，心血管疾病等）。这样，每个参与营养代谢促使某些疾病症状的基因的具体QTLs信息将会被??到。如：基因名，QTL名，染色体起止位置等。;为了识别潜在地存在于这些疾病进程中果糖代谢路径的基因，一种路径分析程序—GeneGo被使用。总共有34种基因是用于果糖代谢的（鼠版）。这些。通过QTL库搜索，指定扩展搜索范围5Mbp（百万碱基对），我们发现这些参与果糖代谢的34种基因与总共108种QTLs有关。这些结果再经过过滤仅仅只保留那些与肥胖，2型糖尿病和心血管疾病相关的QTLs。过滤后参与果糖代谢路径的11种基因被确定与在表3所描述的19种鼠类QTLs有关。;数据挖掘策略1——基因-营养交互;数据挖掘策略2——GWAS结果与QTLs相连;该策略分3步进行： 1.为所选的某一病状如肥胖，2型糖尿病或高血压，从已经公布了的GWAS结果获取特征相关的SNPs列表。 2.使用SNP库，找到每一个SNP对应所在染色体位置上的基因。这步的结果是一个基因的列表。 3.对列表中的每一个基因，查询QTL库中是否能找到任何附近的可能促进该病状的QTLs。;从GWAS目录中获取一个SNPs的列表，这个目录连接了与高血压相关的显示形状。最终，我们搜索QTL库通过映射定位找到那些与列表中的任何基因密切相关的人类基因。指定一个2Mbp（百万碱基对）的扩展搜索范围，并且在得到的结果中筛选出那些与高血压相关的特征或显型的保持相关性的QTLs。 表4 给出了与高血压相关的GWAS结果和人类QTLs的数据列表;数据挖掘策略2——GWAS结果与QTLs相连;总结