Biostatistikern identifizieren Gene Verbunden Mit Herzerkrankungen

In jüngster Zeit haben einige große Studien der genetischen Grundlagen für wichtige Volkskrankheiten wie identifiziert herzkrankheit und Diabetes , bleibt aber die meisten der genetischen Beitrag sie unentdeckt. Jetzt Forscher an der University of Massachusetts Amherst durch biostatistician Andrea Foulkes geführt haben anspruchsvolle statistische Instrumente angewandt, um bestehende großen Datenbanken zu erheblichen neuen Informationen über Gene, die solche Bedingungen wie hohen verursachen kann Cholesterin mit Herzkrankheit verbunden .

Foulkes sagt: " Dieser neue Ansatz zur Datenanalyse bietet Möglichkeiten für die Entwicklung neuer Behandlungsmethoden . Es fördert auch Ansätze zur Identifizierung von Personen mit dem höchsten Risiko für Herzerkrankungen. Ein weiterer wichtiger Punkt ist, dass unsere Methode ist einfach, mit frei verfügbaren Computer-Software zu verwenden und kann im Großen und Ganzen auf genetische Wissen vieler Krankheiten voraus angewendet wird. Wir hoffen, diese bewegt uns zu einem besseren Verständnis der häufigsten Erkrankungen und die Verbesserung der allgemeinen Gesundheit in unserer Gesellschaft. "

Die neue Analyseansatz sie mit Kardiologen Dr. Muredach Reilly an der University of Pennsylvania und anderen entwickelt wird als " Mixed Modellierung der Meta - Analyse p-Werte " oder MixMAP . Denn es macht Gebrauch von bestehenden öffentlichen Datenbanken stellt die leistungsfähige neue Methode ein kostengünstiges Werkzeug für Ermittler .

Foulkes , der das Institut für Computational Biology , Biostatistik und Bioinformatik an UMass Amherst leitet , erklärt, dass MixMAP stützt sich auf eine grundsätzliche statistische Modellierungsrahmen und der Vielzahl von Übersichtsdaten ab sofort bei genetischen Assoziationsstudien , formell an einem neuen , Ortsebenetesten , Vereinigung . Andere Mitglieder des Teams an UMass Amherst sind Rongheng Lin, ein Assistenzprofessor und Postdoktoranden Gregory Matthews und Ujwall Das.

Das neue Verfahren , das verallgemeinerbar , andere Probleme ist , berücksichtigt die Struktur des Genoms , erläutert Foulkes . In genetischen Epidemiologie , schauen traditionellen genomweiten Assoziationsstudienan den gemeinsamen genetischen Variationen in einer Gruppe von Menschen mit einer Krankheit im Vergleich zu gesunden Kontrollpersonen , die sich auf Einzelnukleotid-Polymorphismen (SNP) , um zu sehen , wenn eine einzige Variante ist mit dieser Krankheit assoziiert sind. Wenn einer Variante wird häufiger bei Patienten mit der Krankheit gefunden wird, wird das SNP gedacht , mit ihm verbunden sein.

Während das traditionelle statistische Methode sucht nach einem ungewöhnlichen " Nadel im Heuhaufen " als mögliche Krankheits Signal verwendet Foulkes und neue Verfahren Kollegen Kenntnis von DNA-Regionen im Genom , die wahrscheinlich mehrere genetische Signale für Krankheit Variation in einem verklumpten enthalten sind Region. Somit ist es , die Gruppen von ungewöhnlichen Varianten anstatt nur einziges SNPs nachzuweisen , bietet eine Möglichkeit, " rufen " Genregionen , die ein konsistentes Signal über normale Variation haben .

Foulkes bietet eine nicht-technische Analogie : "Es ist , als hörte man ein Orchester. Wenn es eine Trommel , die wir alle hören, und wir hören die Cellogruppe , auch wenn jedes Instrument leise spielen , weil sie alle zusammen spielen. Aktuelle statistische Methoden können die Trommel die Celli hören, aber nicht , egal wie viele spielen, weil keine einzige Cello ist so laut wie die Trommel. unsere Methode kann das , was erhebliche statistische Stärke ergänzt unsere Fähigkeit, neue Gene, die sein könnten tun mit der Krankheit assoziiert . "

Reilly weist darauf hin , dass als ergänzende Strategie zu den traditionellen Methoden , MixMAP wird von großem Interesse für die statistische und Herz-Kreislauf Genomik Gemeinschaft zu sein. Es kann an bestehende genetische Studien der Cholesterinspiegel im Blut angewendet werden , und es schon sagt ein Dutzend neuer Gene für ein wichtiges Herzkrankheit Risikofaktor weiter zu erforschen : Low -Density-Lipoprotein -Cholesterin.

Foulkes charakterisiert die neue Technik als Entdeckung der Wissenschaft noch in der Notwendigkeit der Validierung , aber es ist Entdeckung der Wissenschaft , die weiter geht als üblich mit Hilfe anspruchsvoller Modellierungsansätze zu Fehler zu quantifizieren. "Wir sind besser machen , als einfach identifizieren die stärksten Signale , die wir Zusammenhangsmaße quantifiziert zu zeigen, dass sie statistisch sinnvoll sind ", betont sie .

Insgesamt , sagen die Autoren , " MixMAP bietet neue und ergänzende Informationen im Vergleich zu Single Nucleotide Polymorphism basierte Analyse Ansätze und ist einfach mit vorhandenen Open-Source- statistische Software-Tools zu implementieren. "