Новые подходы к отбору генетических маркеров, ассоциированных с многофакторными фенотипическими признаками


Цитировать

Полный текст

Аннотация

Анализируются современные подходы к поиску ассоциаций между исследуемым фенотипом и структурными вариациями генома человека. Большинство сложных фенотипических признаков, в том числе и заболеваний, не подчиняются закономерностям менделевского наследования, а имеют многофакторную природу, то есть существенный вклад в их развитие вносит генетическая составляющая в сочетании с влиянием факторов внешней среды. В целом существует несколько подходов к дизайну ограниченного набора полиморфных маркеров для точечного генотипирования. Селекцию отдельных молекулярно-генетических маркеров осуществляют на основе либо их статистически значимой ассоциации с изучаемым многофакторным признаком, либо функциональной значимости для реализации этой особенности. Подход «ген-кандидат» позволяет сфокусироваться на одном или нескольких полиморфных вариантах в области гена (аллельный вариант), продукт которого, вероятно, вовлечен в развитие болезни или признака. Удешевление процедуры полногеномного скрининга с использованием микрочипов сверхвысокой плотности сделало доступным другой подход для поиска генетических предрасположенностей - полногеномный поиск ассоциаций.Полагаем, что объединение обоих подходов в единый алгоритм выбора молекулярно-генетических маркеров для проведения точечного генотипирования позволит учитывать как маркеры, отобранные на основе априорного предположения о функциональной значимости гена-кандидата, так и поиск ассоциаций с изучаемым признаком на основании данных полногеномного поиска ассоциаций. Данный подход позволит оптимизировать диагностическую эффективность создаваемого тест-набора.

Об авторах

Г. Г. Кутелев

Военно-медицинская академия им. С.М. Кирова

Автор, ответственный за переписку.
Email: vmeda-nio@mil.ru
Россия, Санкт-Петербург

А. Б. Криворучко

Военно-медицинская академия им. С.М. Кирова

Email: vmeda-nio@mil.ru
Россия, Санкт-Петербург

А. Е. Трандина

Военно-медицинская академия им. С.М. Кирова

Email: vmeda-nio@mil.ru
Россия, Санкт-Петербург

А. М. Иванов

Военно-медицинская академия им. С.М. Кирова

Email: vmeda-nio@mil.ru
Россия, Санкт-Петербург

Д. В. Черкашин

Военно-медицинская академия им. С.М. Кирова

Email: vmeda-nio@mil.ru
Россия, Санкт-Петербург

А. А. Марченко

Военно-медицинская академия им. С.М. Кирова

Email: vmeda-nio@mil.ru
Россия, Санкт-Петербург

С. Л. Гришаев

Военно-медицинская академия им. С.М. Кирова

Email: vmeda-nio@mil.ru
Россия, Санкт-Петербург

Список литературы

  1. Баранов, В.С. Генетический паспорт – основа индивидуальной и предиктивной медицины / В.С. Баранов. – СПб.: Изд-во Н-Л, 2009. – 528 с.
  2. Гинтер, Е.К. Наследственные болезни: национальное руководство: краткое издание / Е.К. Гинтер, В.П. Пузырев.– М.: ГЭОТАР-Медиа, 2017. – 464 с.
  3. Горбунова, В.Н. Медицинская генетика: учебник для студентов мед. вузов и слушателей последипломного образования / В.Н. Горбунова. – СПб., 2012. – 357 с.
  4. Иванов, В.И. Геномика – медицине / В.И. Иванов. – М.: Академкнига, 2005. – 392 с.
  5. Лебедев, А.А. Превентивная медицина – медицина XXI века / А.А. Лебедев, М.В. Гончарова // Нац. проекты. – 2008. – № 12 (31). – С. 40–43.
  6. Низамутдинов, И.И. Критерии отбора генетических маркеров для анализа предрасположенности к многофакторным фенотипическим особенностям / И.И. Низамутдинов [и др.] // Вестн. РГМУ. – 2016. – № 6. – С. 25–32.
  7. Ньюсбаум, Р.Л. Медицинская генетика: учебное пособие. Пер. с англ. А.Ш. Латыпова / Р.Л. Ньюсбаум, Р.Р. Мак-Иннес, Х.Ф. Виллард. – М.: ГЭОТАР-Медиа, 2010. – 624 с.
  8. Пузырев, В.П. Генетические основы коморбидности у человека / В.П. Пузырев // Генетика. – 2015. – № 51 (4). – С. 491–502.
  9. Пузырев, В.П. Патологическая анатомия генома человека / В.П. Пузырев, В.А. Степанов. – Новосибирск: Наука. Сиб. предприятие РАН. – 1997. – 224 с.
  10. Ребриков, Д.В. NGS: высокопроизводительное секвенирование / Д.В. Ребриков [и др.]. – М.: БИНОМ., 2015. – 232 с.
  11. Border, R. No support for historical candidate gene or candidate gene-by-interaction hypotheses for major depression across multiple large samples / R. Border [et al.] // Am. J. Psychiatry. – 2019. – № 176 (5). – P. 376–387.
  12. Boyle, E.A. An Expanded View of Complex Traits: From Polygenic to Omnigenic / E.A. Boyle [et al.] // Cell. – 2017. – № 169 (7). – P. 1177–1186.
  13. Brookes, A.J. The essence of SNPs / A.J. Brookes // Gene. – 1999. – № 234. – P. 177–186.
  14. Burton, P.R Genome-wide association study of 14,000 cases of seven common diseases and 3,000 shared controls / P.R. Burton [et al.] // Nature. – 2007. – № 447 (7145). – P. 661–678.
  15. Duncan, L.E. How genome-wide association studies (GWAS) made traditional candidate gene studies obsolete / L.E. Duncan, M. Ostacher, J. Ballon // Neuropsychopharmacology. – 2019. – Р. 1–6.
  16. Fridkis-Hareli, M. Design and development of TT30, a novel C3d-targeted C3/C5 convertase inhibitor for treatment of human complement alternative pathway-mediated diseases / M. Fridkis-Hareli [et al.] // Blood. – 2011. – № 118 (17). – P. 4705–4713.
  17. Gibson, G. Hints of hidden heritability in GWAS. / G. Gibson // Nature Genetics. – 2010. – № 42 (7). – P. 558–560.
  18. Haines, J.L. Complement Factor H Variant Increases the Risk of Age-Related Macular Degeneration / J.L. Haines // Science. – 2005. – № 308 (5720). –P. 419–421.
  19. Hood, L. Systems biology and p4 medicine: past, present, and future / L. Hood // Rambam Maimonides Med. J. – 2013. – № 4 (2). – Р. 12.
  20. Kety, S.S. Mental Illness in the Biological and Adoptive Relatives of Schizophrenic Adoptees / S.S. Kety // Archives of General Psychiatry. – 1994. – № 51 (6). – P. 442.
  21. Mahajan, A. Fine-mapping type 2 diabetes loci to single-variant resolution using high-density imputation and islet-specific epigenome maps / A. Mahajan [et al.] // Nature Genetics. – 2018. – № 50 (11). – P. 1505–1513.
  22. Middeldorp, C.M. The value of polygenic analyses in psychiatry / C.M Middeldorp, N.R. Wray // World Psychiatry. – 2008. – № 17 (1). – P. 26–28.
  23. Okbay, A. Genome-wide association study identifies 74 loci associated with educational attainment / A. Okbay [et al.] // Nature. – 2016. – № 533 (7604). – P. 539–542.
  24. Panoutsopoulou, K. Finding common susceptibility variants for complex disease: past, present and future / K. Panoutsopoulou, E. Zeggini // Briefings in Functional Genomics and Proteomics. – 2009. – № 8 (5). – P. 345–352.
  25. Pearson, T.A. How to interpret a genome-wide association study / T.A. Pearson, T.A. Manolio // JAMA. – 2008. – № 299 (11). – P. 1335–1344.
  26. Petty, E.M. Handbook of human genetic linkage / E.M. Petty // Trends in Endocrinology & Metabolism. – 1995. – № 6 (1). – P. 30–31.
  27. Pickrell, J.K. Detection and interpretation of shared genetic influences on 42 human traits / J.K. Pickrell [et al.] // Nature Genetics. – 2016. – № 48 (7). – P. 709–717.
  28. Polderman, T.J.C. Meta-analysis of the heritability of human traits based on fifty years of twin studies / T.J.C. Polderman [et al.] // Nature Genetics. – 2015. – № 47 (7). – P. 702–709.
  29. Rees, A. Dna polymorphism adjacent to human apoprotein a-1 gene: relation to hypertriglyceridaemia / A. Rees [et al.] // The Lancet. – 1983. – № 321 (8322). – P. 444–446.
  30. Wang, W.Y.S. Genome-wide association studies: theoretical and practical concerns / W.Y.S. Wang [et al.] // Nature Reviews Genetics. – 2005. – № 6 (2). – P. 109–118.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Манхэттенский график EY, где каждая из точек представляет собой SNP. Ось Х – расположение SNP в геноме, ось Y – уровень ассоциации каждого SNP (чем сильнее ассоциация с признаком, тем ниже ее p-значение, а значит, выше отрицательный логарифм этого значения и соответствующий «столбец»). На графике представлены SNP из GWAS 2013 г. и 74 недавно обнаруженных локуса (помечены красными крестиками), связанных с обучением [23]

Скачать (554KB)
3. Рис. 2. Алгоритм изучения молекулярного механизма формирования многофакторного признака

Скачать (271KB)

© Кутелев Г.Г., Криворучко А.Б., Трандина А.Е., Иванов А.М., Черкашин Д.В., Марченко А.А., Гришаев С.Л., 2020

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».