Исследователи разрабатывают новый статистический метод для оценки взаимодействия между генами, связанными с раком

        

Исследование под руководством Хуэй-Инь Линь, докторанта, доцента биостатистики в Школе общественного здравоохранения здравоохранения штата Нью-Орлеан (LSU Health New Orleans), разработало еще один новый статистический метод оценки взаимодействия генов-генов, связанных с раком и другими сложными заболеваниями. Метод Additive-Additive 9 Interaction (AA9int) описан в статье, опубликованной в Bioinformatics доступной в Интернете по адресу https: / / . oup. com / биоинформатики / вперед-статья / DOI / 10. 1093 / биоинформатики / bty461 / 5034431.

«Этот метод может идентифицировать комбинации генетических вариантов для прогнозирования риска и прогноза рака», – отмечает д-р Линь, который также является ведущим автором статьи.

AA9int основан на другом методе, разработанном Лин, идентификатор шаблона взаимодействия SNP (SIPI), чтобы идентифицировать взаимодействия между однонуклеотидными полиморфизмами (SNP). Согласно Национальным институтам здравоохранения, «одиночные нуклеотидные полиморфизмы, часто называемые SNP (выраженные« snips »), являются наиболее распространенным типом генетических различий среди людей. Каждый SNP представляет собой разницу в едином структурном блоке ДНК, называемом нуклеотидом. Чаще всего эти вариации обнаруживаются в ДНК между генами, они могут действовать как биологические маркеры, помогая ученым определять гены, связанные с болезнью. Когда SNP происходят внутри гена или в регуляторной области вблизи гена, они могут играть больше прямую роль в болезни, влияя на функцию гена ».

Хотя SNP-SNP или исследования взаимодействия генов и генов появились, статистические методы оценки SNP-SNP-взаимодействий все еще находятся в зачаточном состоянии. Традиционный подход к тестированию SNP-взаимодействий заключается в использовании модели иерархического взаимодействия с двумя основными эффектами плюс их взаимодействие с обоими SNP как аддитивным режимом наследования. Однако этот подход проверяет только один конкретный тип взаимодействия, что может привести ко многим ложным отрицательным выводам.

Идентификатор шаблона взаимодействия SNP (SIPI), первый статистический метод для тщательного поиска значимых шаблонов взаимодействия SNP-SNP при раке и других сложных заболеваниях, может обнаруживать новые SNP-взаимодействия, которые традиционный статистический подход не может. SIPI оценивает 45 схем взаимодействия SNP. Однако его вычислительные требования большие, что может быть нежелательно для крупномасштабных исследований. Итак, Лин и ее коллеги искали меньшую версию с меньшим количеством моделей тестирования, но с аналогичной мощностью. Они показали, что мини-версия SIPI-AA9int, состоящая из девяти моделей взаимодействия, использовала только около 20% вычислительного времени. Более эффективный и практичный для крупномасштабных исследований, AA9int по-прежнему более эффективен, чем традиционный подход.

«Мы обнаружили, что AA9int успешно обнаружил 72-90% SIPI-идентифицированных пар SNP», – сообщает Lin. «Не предназначено для замены SIPI, но для широкомасштабных исследований AA9int является мощным инструментом, который можно использовать в одиночку или в качестве этапа скрининга двухэтапного подхода (AA9int + SIPI) для обнаружения взаимодействий SNP-SNP».

Исследовательская группа также изучила влияние режима наследования и структуры модели на обнаружение взаимодействий SNP-SNP. Идентификатор шаблона взаимодействия SNP (SIPI) оценивает шаблоны взаимодействия SNP, рассматривая три основных фактора: структуру модели (иерархическую и неиерархическую модель), режим генетического наследования (доминантный, рецессивный и аддитивный) и направление кодирования режима. AA9int рассматривает неиерархическую структуру модели и аддитивный режим. Они обнаружили, что неиерархические модели играют более важную роль в обнаружении взаимодействия SNP, чем режимы наследования.

«Эти идентифицированные взаимодействия генных генов или SNP-SNP увеличивают наше понимание биологических механизмов развития рака и могут улучшить точность диагностики рака и уменьшить смертность от рака в будущем». Лин заключает.

Источник:

https://www.lsuhsc.edu/newsroom/Better%20Statistical%20Methods%20to%20Understand%20Gene%20Interactions%20Leading%20to%20Cancer%20Development .html

      

Source link