所有分类
全基因组关联研究(GWAS)为我们提供了对遗传性状和疾病的前所未有的洞察力。然而，由于绝大多数研究使用了欧洲人群，GWAS的结果描绘了偏见，并不能总是推广到其他人群。今天发表在“基因组生物学”杂志上的研究探讨了这些偏见，发现疾病风险的遗传预测可能被严重错误估计。
我们对遗传性疾病风险的理解在过去十年中蓬勃发展，主要是由于数以千计的全基因组关联研究(GWAS)。这些研究涉及扫描基因组以鉴定与常见疾病和性状相关的单核苷酸多态性(SNP)。例如，在rs7329174处具有“G”等位基因的个体(位于13号染色体上的SNP)比在该SNP处具有“A”等位基因的个体更可能患有克罗恩病。
不幸的是，GWAS的结果描绘了人类健康和疾病的偏见。这是因为绝大多数GWAS都使用过欧洲研究队列。在欧洲人群中发现的疾病协会可能并不总能很好地推广到其他人群。对于经历过不同进化历史的人群(例如来自北欧和撒哈拉以南非洲的人口)，这个问题被放大了。
GWAS中使用的基因分型技术也可能导致问题。这是因为大多数GWAS使用基因分型阵列，而不是全基因组测序。这些基因分型阵列倾向于包含最初在欧洲人群中确定的SNP。
在最近发表的基因组生物学论文中，我们发现了GWAS结果系统偏差的证据。这些偏见阻碍了我们将世界某一部分的结果推广到世界其他地方的能力。具体而言，我们发现疾病风险的遗传预测可能被严重错误估计。这个问题对非洲人来说特别严重，而且是由上述偏见引起的。
通过计算机模拟，我们还发现，与非非洲GWAS结果相比，非洲GWAS结果在人群中的推广更为普遍。这种不对称的产生是因为非洲非洲人口在非洲外迁徙后经历了遗传多样性的丧失(进化史很重要!)。
全基因组关联研究数据的应用
基因组信息开始应用于临床环境。因此，我们的研究结果是及时的。使用GWAS结果，医生科学家可以计算每个人基因组中增加风险的等位基因的数量，以产生特定疾病的遗传风险评分。例如，遗传风险评分能够识别最有乳腺癌风险的女性，并确定开始乳房X线照片筛查的最佳年龄。
但是，重要的是要记住遗传风险评分的效用取决于源数据的质量。对一个人群有效的遗传风险评分不一定适用于其他人群.
我们如何改善健康和疾病的遗传预测?给定无限资金，一种选择是重复每个人口中的每个GWAS。不用说，这不太可行。更实际的解决方案是生成纠正现有偏差的遗传风险评分。例如，GWAS结果可能从英国到丹麦很好地推广，但可能需要进行大量修正以概括从英国到加纳的结果。
可以改善遗传风险评分的另一种方法是纠正不同基因分型技术的偏差。更正的遗传风险评分也可以包含进化信息，如我们最近的基因组生物学论文所示。只有结合这些细节，基因组医学的益处才能扩展到来自不同全球人群的个体。
上一篇：一种非凡的黄蜂寄生虫
所有评论仅代表网友意见，与本站立场无关。
我要评论