NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Çok sayıda genetik varyantın insan kompleks hastalıklarının duyarlılığı üzerindeki epistatik etkileşimli etkilerinin tespiti, genom çapında dernek çalışmalarında (GWAS) büyük bir zorluktur. Her ne kadar bu tür etkileşimleri tanımlamak için yöntemler önerilmiş olsa da, epistatik etkilerin açık bir tanımının olmaması, hesaplama zorluklarıyla birlikte, yeni yöntemlerin geliştirilmesini vazgeçilmez kılmaktadır. Bu makalede, çoklu lokumun hastalıklar üzerindeki epistatik etkileşimli etkilerini tanımlamak için epistatik modüller tanıtıyoruz. Bu nosyona dayanarak, gözlemlenen vaka kontrol verilerini açıklamak için bir Bayesian işaretleyici bölme modeli ileri sürdük ve epistatik modüllerin tespitini kolaylaştırmak için bir Gibbs örnekleme stratejisi geliştirdik. Önerilen yaklaşımın, yedi simüle edilmiş hastalık modelinde mevcut üç yöntemle karşılaştırılması, yaklaşımımızın üstün performansını göstermektedir. Yaşla ilişkili Maküler Dejenerasyon (AMD) için genom çapında bir vaka kontrol veri setine uygulandığında, önerilen yaklaşım, bilinen iki duyarlı lokusu başarıyla tanımlar ve biri SGCD geninde diğeri SCAPER'de olmak üzere diğer iki lokumun bir kombinasyonunun hastalıkla ilişkili olduğunu öne sürer. Daha fazla fonksiyonel analiz, bu iki genetik varyantın etkileşiminin AMD'nin duyarlılığından sorumlu olabileceği spekülasyonunu desteklemektedir. Parkinson hastalığı için genom çapında bir vaka kontrol veri setine uygulandığında, önerilen yöntem hastalığa bağımsız olarak katkıda bulunabilecek yedi şüpheli lokusu tanımlar.
Özgün kaynak özetini okuyun
The detection of epistatic interactive effects of multiple genetic variants on the susceptibility of human complex diseases is a great challenge in genome-wide association studies (GWAS). Although methods have been proposed to identify such interactions, the lack of an explicit definition of epistatic effects, together with computational difficulties, makes the development of new methods indispensable. In this paper, we introduce epistatic modules to describe epistatic interactive effects of multiple loci on diseases. On the basis of this notion, we put forward a Bayesian marker partition model to explain observed case-control data, and we develop a Gibbs sampling strategy to facilitate the detection of epistatic modules. Comparisons of the proposed approach with three existing methods on seven simulated disease models demonstrate the superior performance of our approach. When applied to a genome-wide case-control data set for Age-related Macular Degeneration (AMD), the proposed approach successfully identifies two known susceptible loci and suggests that a combination of two other loci -- one in the gene SGCD and the other in SCAPER -- is associated with the disease. Further functional analysis supports the speculation that the interaction of these two genetic variants may be responsible for the susceptibility of AMD. When applied to a genome-wide case-control data set for Parkinson's disease, the proposed method identifies seven suspicious loci that may contribute independently to the disease.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.