Yandex Metrica
MENÜ
arama yap

Hastalık Oluşturan Olası Genleri Tespit Etmek Mümkün Mü?

25 Temmuz 2018

Her bireyin genomu, kim olduğumuzu belirlemede büyük rol oynayan DNA dizilerinin eşsiz bir kombinasyonudur. Bu durum, hastalık ve çeşitli fenotipler için duyarlılık dahil olmak üzere tüm bireysel farklılıkları açıklar. İnsanlardaki bu tür genetik varyasyonlar tek nükleotid polimorfizmleri (SNP'ler) olarak bilinir. Spesifik hastalıklar ile korele olan SNP'ler, yeni ilaçların geliştirilmesine yardımcı olmak için öngörücü biyobelirteçler olarak kullanılabilir. Toplu verilerin istatistiksel analizi sayesinde, hastalıkla ilişkili SNP'leri tanımlamak mümkündür.

SNP verilerinin istatistiksel analizine harcanan yüksek para ve zamana rağmen, geleneksel SNP tespit teknolojileri tüm olası SNP'leri belirleyememiştir. Bunun nedeni, SNP'leri saptamak için geleneksel yöntemlerin çoğunun, sonuçlarda yanlış pozitifleri kontrol etmek üzere tasarlanmasıdır. Bu nedenle, on binlerce genomik veri ve analiz edilen yüz binlerce SNP arasında, bir aday hastalık geni içerisinde tarif edilen belirteçlerin sayısı, genellikle onlarca farklı SNP ile ifade edilir.

Yeni bir çalışmada ise, potansiyel hastalık genlerini daha doğru ve uygun maliyetli bir şekilde tanımlayabilen yeni bir istatistiksel algoritma sunuldu. Bu algoritma, daha az genomik veri ile etkin bir şekilde çalıştığı ve sonuç almak için sadece bir iki dakika gerektirdiği için, aday hastalık genlerinin tanımlanması için yeni bir umut verici yaklaşım olarak da düşünülmüştür.

GSA-SNP2 Modeli İle Hızlı ve Maliyet Etkin Test Mümkün

Araştırmada, araştırma ekibi GWAS P-değeri verilerinin yol zenginleştirme analizi için yeni bir yöntem sağlayan GSA-SNP2 yazılımını sunmuştur. Araştırma ekibine göre, GSA-SNP2, rastgele set modeli ve SNP-sayımı ayarlanmış gen skorunu birleştirerek yüksek güç, iyi tip I hata kontrolü ve hızlı hesaplama sağlar. Sonuçların doğru yorumlanması için yanlış pozitif SNP'lere ihtiyaç duyulmasına rağmen, filtreleme yöntemleri ilacın geliştirilmesinde hedefe ulaşmayı engelleyebilir. Bu nedenle, arıtılmış istatistiksel güç, pratik istatistiksel algoritmalar için çok önemlidir.

Ekip, yanlış pozitiflerin doğru kontrolünü sağlarken, istatistiksel öngörülebilirliği geliştiren bir algoritma geliştirmeyi amaçladı. Bunu yapmak için, monoton Kübik Spline trend eğrisini gen ekspresyon verileri için rekabetçi yol analizi ile gen skoruna uyguladılar.

Simüle edilmiş ve gerçek GWAS verilerini kullanan karşılaştırmalı bir çalışmada, GSA-SNP2, altı mevcut zenginleştirme temelli yöntem ve iki kendi kendine yeten yöntemle karşılaştırıldığında, yüksek güç ve öncelikli altın standart pozitif yolları sergiledi. Bu sonuçlara dayanarak, yol analizi yaklaşımları arasındaki fark araştırılmış ve gen korelasyon yapılarının yol zenginleştirme analizi üzerindeki etkileri de tartışılmıştır. Buna ek olarak, GSA-SNP2, protein etkileşim ağlarını önemli yolların içinde ve genelinde görselleştirebilir, böylece kullanıcı daha fazla çalışma için çekirdek alt ağlara öncelik verebilir.

Araştırma ekibine göre geliştirmiş oldukları yöntemle yüksek istatistiksel güç korunarak hızlı ve maliyet etkin bir şekilde genetik biyobelirteçleri bulmak mümkün olabilecek.

Literatür talep et

Referanslar :

Yoon S. et al. Efficient pathway enrichment and network analysis of GWAS summary data using GSA-SNP2. Efficient pathway enrichment and network analysis of GWAS summary data using GSA-SNP2, 2018 DOI: 10.1093/nar/gky175

E-Posta ve şifrenizi girerek
medikal referans noktanıza ulaşabilirsiniz.

GİRİŞ YAP

Yeni hesap oluştururken vereceğiniz bilgiler, cegedim tarafından onaylanacak
ve siteye tam üyeliğiniz bu onaydan sonra sağlanacaktır.

* Tüm alanları doldurmak zorunludur.

Loading Image