利用亚细胞位置特异的基因功能模块与表达调控网络识别疾病特征基因

利用Gene Ontology中的生物过程(biological process)及细胞组分(cellular component)两种分类体系, 选择显著聚集差异表达基因的复合功能模块, 识别其中能够有效分类疾病样本的特征功能模块, 以特征功能模块中的差异表达基因作为特征并分析它们与疾病的相关性. 对前列腺癌、胃癌和白血病数据的分析结果表明, 基于特征功能模块的特征基因选择方法可以识别与疾病高度相关的功能一致的特征基因. 进一步的分析显示, 根据特征功能模块和基因表达调控信息构建基因表达调控网络, 可以从中挖掘可能的疾病关键特征基因, 并提示对复杂疾病同时应答的多功能模块间协同作用关系机理研究的重要线索. 同时, 本研究结合基因功能分类的疾病特征基因选择方法提示了一种高准确度的疾病分类方法, 分类结果有明确的生物学意义, 对复杂疾病的分子病理学研究亦有重要的意义.     

次要等位基因频率筛选阈值对人类单体型图精度的影响: 基于中国汉族与藏族人群测序数据的比较

基因组变异是个体间疾病易感性和药物反应等表型多样性的遗传基础. 国际人类单体型图(International HapMap)旨在为复杂疾病相关遗传变异的研究提供路线图. 单核苷酸多态性(SNPs)是HapMap的基本要素. SNPs等位基因频率影响连锁不平衡结构、单体型的构建、标签SNPs的筛选, 是影响HapMap精度的主要因素之一. 因此, 次要等位基因频率筛选阈值的选择对图谱精度有深远影响. 迄今大多数研究者选用自定的阈值, 且鲜有针对次要等位基因频率筛选阈值对HapMap精度影响的研究. 为探讨次要等位基因频率筛选阈值对相应HapMap精度的影响, 本研究用中国汉、藏族人群15号染色体中心粒区域基因的测序结果按不同次要等位基因频率筛选阈值(≥0.01, ≥0.05, ≥0.10)将以往的数据分成了3组, 即0.01组、0.05组以及0.10组, 分别构建了3组数据的HapMap, 并比较了各组HapMap精度、关联分析的研究效能及节约/总成本比值. 结果显示, 0.01组有最高的关联分析研究效能(相比0.05组: 汉族, P = 0.019; 藏族, P = 0.029), 并捕获了最多的人群特异性单体型(相比0.05组, P = 0.012). 在所检区域内, 与0.10阈值相比, 0.05阈值并没有显著提高关联分析的研究效能(汉族, P = 0.191; 藏族, P = 1.000)及人群特异性单体型的捕获(P = 0.592). 同时, 在藏族人群中, 0.05与0.10组产生了相同数据的标签SNPs效率、连锁不平衡结构域的数目和平均长度、关联分析研究效能及节约/总成本比值. 结果提示, 较低的次要等位基因频率筛选阈值更适合着重于人群特异性单体型的研究; 不同人群最佳次要等位基因频率筛选阈值可能不尽相同. 由于本研究检测基因数目有限, 这一重要议题仍需更多深入的探讨.