Тысячи генетических маркеров уже прочно связаны со сложными человеческими чертами, такими как болезнь Альцгеймера, рак, ожирение или рост. Чтобы обнаружить эти ассоциации, исследователям необходимо сравнить геномы многих людей в миллионах генетических местоположений или маркеров, и, следовательно, требуются рентабельные технологии генотипирования. Новый статистический метод, разработанный группой Оливье Делано из Швейцарского института биоинформатики SIB и Университета Лозанны (UNIL), открывает новые возможности. Менее чем за 1 доллар вычислительных затрат GLIMPSE может статистически вывести полный геном человека из очень небольшого количества данных. Этот метод предлагает первую реалистичную альтернативу существующим подходам, основанным на предопределенном наборе генетических маркеров, и, таким образом, позволяет более широко охватить недостаточно представленные группы населения. Исследование, в котором предлагается изменение парадигмы генерации данных в биомедицинских исследованиях, опубликовано вГенетика природы .
Экономичный подход к зондированию генетических маркеров
Секвенирование всего генома с низким уровнем охвата (LC-WGS) с последующим вменением генотипа — это метод, с помощью которого можно получить статистический вывод о полном геноме при очень незначительных усилиях по секвенированию. Он был предложен в качестве менее предвзятой и более мощной альтернативы массивам SNP (см. Вставку), но его высокая вычислительная стоимость не позволила ему стать широко используемой альтернативой. Команда ученых во главе с Оливье Делано, руководителем группы SIB и UNIL, разработала программное обеспечение с открытым исходным кодом., названный GLIMPSE, который наконец преодолевает эти проблемы. «GLIMPSE предоставляет структуру, которая в 10-1000 раз быстрее и, следовательно, дешевле, чем другие методы LC-WGS, но при этом гораздо более точна для редких генетических маркеров», — объясняет Оливье Делано. «GLIMPSE может значительно улучшить низкий охват геном на миллионах маркеров с меньшими вычислительными затратами, чем 1 доллар, что делает его первой реальной альтернативой массивам SNP ».
От непредвзятых данных до непредвзятого здравоохранения. Исследования геномных ассоциаций до сих пор в основном были сосредоточены на европейцах: 80% всех участников GWAS — лица европейского происхождения, но они составляют только 16% населения мира. Это важный этический вопрос с точки зрения инклюзивности здравоохранения и равноправного доступа к преимуществам биомедицинских исследований , поскольку влияние генетических маркеров на восприимчивость к болезням варьируется в разных популяциях людей. LC-WGS естественным образом преодолевает предвзятость, присущую заранее установленным наборам генетических маркеров.(Массивы SNP). Таким образом, его можно успешно применить к недопредставленным группам населения, как показано в этом исследовании для афроамериканского населения в качестве подтверждения концепции. «Помимо преодоления финансового барьера для проведения исследований GWAS на основе LC-WGS, что действительно захватывающе в этом подходе, так это то, что он позволяет исследователям эффективно выявлять ассоциации в малоизученных группах населения», — говорит Симоне Рубиначчи, научный сотрудник группы Оливье Делано и первый автор статьи.
Использование уже секвенированных геномов
«Наша первоначальная мысль заключалась в следующем: можем ли мы использовать множество секвенированных геномов для улучшения тех, которые секвенированы заново? Другими словами, больше за меньшие деньги: это именно то, что делает GLIMPSE», — объясняет Диого Рибейро, научный сотрудник группы Оливье Делано. и соавтор статьи. Как это работает? Основываясь на идее, что все мы имеем относительно недавних общих предков, от которых унаследованы небольшие участки нашей ДНК. Вкратце, GLIMPSE добывает большие коллекции геномов человека, которые были очень точно секвенированы (WGS с высоким охватом), чтобы идентифицировать части ДНК, которые являются общими с недавно секвенированными геномами. Таким образом, GLIMPSE может надежно заполнить пробелы в данных с низким охватом.
Загрузка...
