XiaoMi-AI文件搜索系统
World File Search SystemGWAS
教育程度和代际流动性
在基于全基因组AS-ASIOT研究（GWASS）的表型的最新研究中，已经确定了许多标记。GWAS是对跨整个基因组的常见遗传变异的研究（通常是100万个单核苷酸多态性[SNP]或更多），以确定是否与性状相关，以确定是否与性状相关。在常规GWAS阈值1处获得显着性的标记仍然有限，并且它们共同解释了表型变异性的有限部分。尽管如此，可以用大量的表型变异来解释一组较大的遗传标记，其中包括GWAS标准不明显的变体。一种考虑标记中可用信息的方法，包括那些明显低于GWAS阈值的信息，是计算多基因分数（PGS）。a pgs是一个特定的分数，被视为选定集中标记的值的总和，每个值都由系数加权，这些值已在非独立培训样本上分别估计（Dudbridge 2013）。我们在这里的分析是基于Lee等人报告的大量教育程度。（2018;另请参见Rietveld等人2013和Okbay等。2016）。对现代GWAS时代的教育成就分析的启发性讨论是Cesarini和Visscher（2017）。理论框架。- 我们以完全指定的父母投资在儿童教育的指定模型中进行了调查。（2017）。一些经典的遗产建立了这一传统的是Becker和Tomes（1979，1986）和Loury（1981）。早期模型的重要发展都在Solon（1992，2004），Mulligan（1997，1999），Black和Devereux（2011）和Black等人中。我们的模型在两个方面与现有的模型不同，这两者都引入了，因为我们需要考虑有关基因型及其传输的信息。首先，我们明确介绍了一个事实，即儿童是涉及父亲和母亲的联合过程的结果。因此，我们需要在模型中包含一个纪念理论（类似于Aiyagari，Greenwood和Guner 2000和Greenwood，
检查基因组中的媒体报道和可读性......
在本研究中，我们分析了大量英语在线媒体文章，这些文章涵盖了全基因组关联研究 (GWAS)，体现了使用计算方法研究生物科学科学传播的趋势。我们分析了 2005 年至 2018 年间发布的 5,000 多个网站中的媒体报道、可读性、主题以及对伦理和社会问题的提及趋势，这些网站来自 3,555 篇关于 1,943 种不同特征的 GWAS 出版物，这些出版物通过 GWAS 目录使用文本挖掘方法确定，以提供有关遗传素养和媒体报道的讨论。我们发现 22.9% 的 GWAS 论文引起了媒体的关注，但大多数论文的描述语言过于复杂，公众无法理解。伦理问题很少被提及，而对翻译的提及随着时间的推移而增加。我们使用回归模型 (r2 = 38.7%)，根据出版年份、已识别的遗传关联数量、研究样本量和期刊影响因子预测了媒体关注度。我们发现，睡眠类型、教育程度、酒精和咖啡消费、性取向、晒黑和头发颜色受到的关注度远远超过回归模型的预测值。我们还评估了“一个基因，一种疾病”标题的流行程度（例如，“科学家说他们发现了导致乳腺癌的基因”），发现它正在下降。总之，在线媒体对 GWAS 的报道应该更容易理解，引入更多现代遗传学术语，并在适当的时候提及 ELSI。科学传播研究可以从大数据和文本挖掘技术中受益，这些技术使我们能够研究数千个媒体渠道的报道趋势和变化。您可以在我们为本文建立的网站上以交互方式浏览结果：https://jjmorosoli.shinyapps.io/newas/ 。
19 号染色体上 SNP 相互作用的模拟深度学习模型，用于预测阿尔茨海默病风险和疾病进展速度
尽管脱氧核糖核酸 (DNA) 的组成简单，只有 4 个核苷酸变体，但它却存储着物种间和物种内大量变异的独特信息。遗传密码由单核苷酸多态性 (SNP) 的顺序和位置、它们之间的空间关系以及它们与其他 SNP 的上位相互作用决定 [8–10]。全基因组关联研究 (GWAS) 方法通过对痴呆症患者和认知未受损 (CU) 的个体进行组比较来识别与 AD 相关的 SNP [11–15]。然而，GWAS 不考虑上位相互作用。为了更好地解释遗传性并确定 AD 的遗传结构，开发了使用载脂蛋白 E (APOE) Ɛ 4 单倍型（最重要的散发性 AD 风险因素）以及通过 GWAS 方法和多基因风险评分 (PGRS) 确定的许多其他 AD 风险 SNP 的多元回归方法 [16–19]。然而，它们仅解释了疾病遗传性的一部分，表明缺少额外的风险 SNP 和有关相互作用的关键信息。
神经退行性疾病进入功能基因组学时代
低成本 DNA 测序的普及使另一种将人类遗传学与神经系统疾病的特定基因驱动因素联系起来的方法——全基因组关联研究 (GWAS) 复活。通过比较患病个体与未患病（“对照”）人群的基因组成，可以确定增加患病可能性的风险因素。GWAS 导致发现特定基因的变异，包括 TREM2（髓系细胞 2 上表达的触发受体）和 GBA1（葡萄糖脑苷脂酶 1），分别是非孟德尔 AD 和 PD 的风险因素。在某些情况下，GWAS 结果突出了以前被低估的导致发病的机制。例如，与 AD 风险相关的遗传变异在髓系细胞（可能是小胶质细胞）中起作用的基因和增强子（基因组中控制基因表达的区域）中富集。这表明先天免疫细胞在 AD 中发挥着重要作用。因此，特定生物途径中风险变异的丰富可以加深我们对神经退行性疾病的机制理解，甚至可能指出新的治疗目标。
在热应力下鉴定面包小麦的谷物质量定量性状核苷酸
热应激是影响全球小麦产生和生产力的关键因素。在这项研究中，在500种研究的种质系中，分析了126种小麦基因型在十二个不同的环境条件下生长的小麦基因型。使用五个生化参数，包括谷物蛋白含量（GPC），谷物淀粉糖含量（GAC），谷物总溶解糖（TSS），晶粒铁（FE）和六含锌（Zn）含量分析（六）多型GWAS（M），使用35 K单核苷酸多态性（SNP）基因分型测定和性状数据（包括谷物蛋白含量（GPC），谷物淀粉糖含量（GAC），谷物总糖（TSS），六个多型GWAS（M）含量GWAS（M），这揭示了与晶粒质量参数相关的67个稳定的定量性状核苷酸（QTN），解释了在热应激条件下的3％至44.5％的表型变化。通过考虑至少三个GWAS模型和三个位置的共识结果，最终的QTN被降低至16个，其中12个是新的发现。值得注意的是，分别通过高素质等位基因聚合酶链反应（KASP）方法验证了两个分别与晶粒Fe和Zn相关的新标记，即AX-94461119（AX-94461119（染色体2A）和AX-95220192（染色体7D）。候选基因，包括含P环的核苷三磷酸水解酶（NTPases），Bowman-Birk型蛋白酶抑制剂（BBI）和NPSN13蛋白。这些基因可以作为增强质量特征和未来小麦改善计划中耐热性的潜在目标。
解锁罕见疾病遗传学：从基因组中的见解 -
解锁罕见疾病遗传学：全基因组关联研究和单核苷酸多态性的见解Osama Alam* 1，卫生汗2，Azmat Ullah 1 1 1 1 1 1科学与技术大学生物技术系Bannu Bannu，28100 Khyber Pakhtunkhwa，Pakhtunkhwa，Pakhthwa，pakistan。2 govt动物学系。巴基斯坦班努大学研究生学院。摘要：全基因组关联研究（GWAS）是识别与复杂疾病相关的遗传变异的强大工具。然而，由于这些疾病通常涉及低频基因突变，因此它们的效用在阐明稀有疾病的遗传学方面受到限制。代表基因组中单碱基对变化的单核苷酸多态性（SNP）可以为稀有疾病的遗传结构提供宝贵的见解。值得注意的是，诸如APP，PSEN1，PSEN2，APOE，TREM2和ABCA7之类的基因中的特定SNP揭示了阿尔茨海默氏病（AD）的分子基础。App Gene中的SNP RS429358中，通过改变淀粉样蛋白β的产生，与阿尔茨海默氏症的风险增加相关。同样，通过GWAS发现的SNP与慢性阻塞性肺疾病易感性（COPD），纤维肿瘤肿瘤易感性（FOP）和Hutchinson-Gilford综合征（HGPS）联系起来，也表现出ACVR1和LMNA中引起疾病的突变。然而，由于招募大型队列的挑战，GWAS进行了有力的罕见疾病，这给人带来了困难。标准GWAS工作流程涉及患者入学，基因组DNA提取，基因分型和严格的质量控制。案例和对照进行匹配和分析，并进行多次测试的校正。罕见的变体方法和插入旨在增强统计能力的目的。关键障碍包括样本量不足，遗传异质性和罕见的因果变体。缓解策略结合了跨国联盟，基于家庭的设计，功能分析，下一代测序，定制基因面板和机器学习方法。前进的GWA将需要越来越大，多样化的数据集，以及新颖的统计和高通量的OMIC技术，以破译稀有和复杂病理的遗传根。
树木育种项目中先进标记辅助选择与基因组选择的比较模拟研究
DNA 测序技术的进步使得对数千个个体的全基因组进行测序成为可能，并为每个个体提供数百万个单核苷酸多态性 (SNP)。这些数据与精确和高通量的表型分析相结合，使全基因组关联研究 (GWAS) 和识别具有复杂遗传结构特征的 SNP 成为可能。识别出的因果 SNP 和估计的等位基因效应随后可用于育种计划中的高级标记辅助选择 (MAS)。但这种 MAS 能否与广泛使用的基因组选择 (GS) 相媲美？这个问题对于冗长的树木育种策略尤其有意义。在这里，我们使用新软件“SNPscan breeder”，模拟了一个简单的树木育种计划，并比较了不同选择标准对遗传增益和近亲繁殖的影响。此外，我们评估了育种种群中个体之间的不同遗传结构和不同亲缘关系水平。有趣的是，除了后代测试外，使用 gBLUP 的 GS 在几乎所有模拟场景下都表现最佳。仅当在大量无亲缘关系的个体（约 10,000 个个体）中估计等位基因效应时，基于 GWAS 结果的 MAS 才优于 GS。值得注意的是，使用 3,000 种极端表型的 GWAS 表现与使用 10,000 种表型一样好。与子代测试和基于 GWAS 的选择相比，GS 增加了近亲繁殖，因此更强烈地降低了遗传多样性。我们讨论了对树木育种计划的实际意义。总之，我们的分析进一步支持了 GS 在林木育种和改良方面的潜力，尽管 MAS 在未来可能会随着测序成本的降低而变得更加重要。
用于研究复杂人类疾病的新型方差分量 TWAS 方法，应用于阿尔茨海默氏痴呆症
转录组关联研究 (TWAS) 已广泛用于整合转录组和遗传数据来研究复杂的人类疾病。在缺少转录组数据的测试数据集中，传统的两阶段 TWAS 方法首先通过创建加权和来估算基因表达，该加权和将 SNP 与其相应的顺式 eQTL 对参考转录组的影响聚合在一起。然后，传统 TWAS 方法采用线性回归模型来评估估算基因表达与测试表型之间的关联，从而假设顺式 eQTL SNP 对测试表型的影响是 eQTL 对参考转录组的估计影响的线性函数。为了提高 TWAS 对这一假设的稳健性，我们提出了一种新颖的方差分量 TWAS 程序 (VC-TWAS)，该程序假设顺式 eQTL SNP 对表型的影响是随机的（方差与相应的参考顺式 eQTL 效应成比例）而不是固定的。 VC-TWAS 适用于连续和二分表型，以及个体层面和汇总层面的 GWAS 数据。使用模拟数据，我们表明 VC-TWAS 比基于两阶段负担检验的传统 TWAS 方法更强大，尤其是当 eQTL 遗传效应对测试表型不再是其 eQTL 遗传效应对参考转录组的线性函数时。我们进一步将 VC-TWAS 应用于个体层面（N = ~3.4K）和汇总层面（N = ~54K）的 GWAS 数据来研究阿尔茨海默病 (AD)。利用个体层面的数据，我们检测到了 13 个显著的风险基因，包括 6 个已知的 GWAS 风险基因，例如 TOMM40，而传统 TWAS 方法却遗漏了这些基因。利用汇总级数据，我们检测到 57 个仅考虑顺式 SNP 的显著风险基因和 71 个同时考虑顺式和反式 SNP 的显著风险基因，这也通过个体级 GWAS 数据验证了我们的发现。我们的 VC-TWAS 方法已在 TIGAR 工具中实现，供公众使用。
强直性脊柱炎对糖尿病的危害：孟德尔随机化分析的新证据
方法：为了推断 AS 与各种糖尿病相关特征（包括 1 型糖尿病 (T1DM)、T2DM、血糖水平、空腹血糖、糖化血红蛋白和空腹胰岛素）之间的因果关系，我们采用了孟德尔随机化 (MR) 分析。我们从 IEU OpenGWAS 数据库、GWAS 目录和 FinnGen 数据库中获取了暴露和结果变量的 GWAS 汇总数据。为了综合 MR 分析的结果，我们应用了使用固定或随机效应模型的荟萃分析技术。为了识别和排除与结果表现出水平多效性的工具变异 (IV)，我们使用了 MR-PRESSO 方法。使用 MR-Egger 方法以及 Q 和 I^2 检验进行敏感性分析，以确保我们的研究结果的稳健性。
非裔美国人酒精使用障碍的基于基因的多基因风险评分分析
在非裔美国人 (AA) 等混血人群中开展的全基因组关联研究 (GWAS) 样本量有限，导致多基因风险评分 (PRS) 表现不佳。根据 AA 和欧洲血统 (EA) 人群之间共享许多致病基因，并且一些致病变异位于这些基因边界内的观察结果，我们利用位于疾病相关基因内的变异，提出了一种基于基因的新型 PRS 框架 (PRS 基因)。使用百万退伍军人计划的酒精使用障碍 (AUD) AA GWAS 和问题酒精使用的 EA GWAS 作为发现 GWAS，我们从 410 个基因中鉴定出 858 种与 AA 和 EA 中均与 AUD 相关的变异。使用这些变体计算的 PRS 基因与三个 AA 目标数据集中的 AUD 显著相关（ P 值范围从 7.61E − 05 到 6.27E − 03；Beta 范围从 0.15 到 0.21）并且优于使用所有变体计算的 PRS（ P 值范围从 7.28E − 03 到 0.16；Beta 范围从 0.06 到 0.18）。PRS 基因也与 EA 目标数据集中的 AUD 相关（ P 值 = 0.02，Beta = 0.11）。在 AA 中，与最低十分位数的个体相比，最高 PRS 基因十分位数的个体患上 AUD 的优势比为 1.76（95% CI：1.32 – 2.34）。这 410 个基因在 54 个基因本体生物学过程中富集，包括乙醇氧化和涉及突触系统的过程，这些过程已知与 AUD 相关。此外，26 个基因是用于治疗 AUD 或其他疾病的药物的靶标，这些药物可能被考虑用于治疗 AUD。我们的研究表明，基于基因的 PRS 在评估 AA 中的 AUD 风险方面表现更好，并为 AUD 遗传学提供了新的见解。