基于个体化生物医学研究的两种新ArrayTrack库.pptVIP

基于个性化生物医学研究的两种新ArrayTrack库 ——喻富 历史背景 随着近代高流量基因分型技术的发展，个体化医学和营养学方面的研究取得了阶段性的突破。然而，大多数有关对遗传标记识别的研究并能不能很好的满足对表性特征的研究。 测试与疾病关联研究所识别的候选基因是否相关对个体化医学和营养学的研究起着关键性的作用。 一个有效的数据挖掘策略和一系列复杂的工有助于我们更好地了解和利用基因与疾病关联的研究。 内容简介 本文以ArrayTrack软件为平台，设计了SNP库和QTL库数据查询界面。，采用相关的数据挖掘技术，对遗传变异引起的相关疾病进行研究，如哮喘，肥胖症，糖尿病，心脏病，高血压等等。 SNP和QTL库主要收集在特定的分散的数据，使得研究人员很容易访问和比较多个知识库内的数据。这些数据从不同公共信息库内下载出来然后重新组编在ArrayTrack软件内。在SNP和QTL库能直接链接到他们的资源，也可以链接ArrayTrack内原有的数据集合。 SNP数据库 SNP（单核苷酸多态性），全称Single Nucleotide Polymorphisms，是指在基因组上单个核苷酸的变异，形成的遗传标记，其数量很多，多态性丰富。SNP可以说是第三代遗传标志,人体许多表型差异、对药物或疾病的易感性等等都可能与SNP有关。 SNP库内包含有大约1500万个人类SNPs及其注释。 表1 列出了SNP数据库内的一些字段名称以及相关的解释说明。 图1为SNP数据库界面。 SNP数据库 字段名 字段描述 chrom BP_Start BP_End name strand observed molType class valid avHe avHetSE t func locType 染色体标示符 染色体开始的物理位置 染色体介绍的物理位置 参考SNP标识符（rs#） 含有可见的等位基因的DNA片段 可见的等位基因序列 从原型中提交的样本类型 变种的类型（单一，in-del，插入，微卫星等等） SNP的验证状态 所有观察值的平均杂合度 平均杂合度的标准误差 功能类别（内含子，同义的，错义的，等等） 影响参考序列变异类型 表 1 SNP数据库 图 1 QTL数据库 QTL是quantitative trait locus的缩写，数量性状位点。它指的是控制数量性状的基因在基因组中的位置。对QTL的定位必须使用遗传标记，人们通过寻找遗传标记和感兴趣的数量性状之间的联系，将一个或多个QTL定位到位于同一染色体的遗传标记旁，换句话说，标记和QTL是连锁的。 该QTL库收集了大鼠，小鼠和人类的QTLs。 表2和图2分别列出了QTL数据库内的一些字段名称以及相关的解释说明和QTL数据库界面。 QTL数据库 字段名 字段描述 Tax_ID External_ID Entrez_Gene_ID Symbol QTL_Name Chromosome Strand cM_Position Chr_Start Chr_End Pos_Method Ref_Pubmed Synonyms Phenotype Candidate Genes 物种分类ID 使用数据资源分配的QTLID 使用NCBI分配的QTL基因ID QTL标识符（短的名称） QTL全名（长的描述） QTL被定位的染色体数 QTL被定位的染色体段 在染色体上估计的厘摩（cM）位置 染色体上碱基对开始的位置 染色体上碱基对结束的位置 决定位置的方法 描述有关QTL原始文献的PubMedID 其他可能被用到的标识符 表型本体的注解 原文件中提到的候选基因 表 2 QTL数据库 图 2 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。 数据挖掘策略1——基因-营养交互 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信息将会被找到。如：基因名，QTL名，染色体起止位置等。 数据挖掘策略1——基因-营养交互 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