全基因组关联研究通路分析方法现状

作     者：王钰嫣 王子兴 胡耀达 王蕾 李宁 张彪 韩伟 姜晶梅 Yuyan Wang;Zixing Wang;Yaoda Hu;Lei Wang;Ning Li;Biao Zhang;Wei Han;Jingmei Jiang

作者机构：中国医学科学院基础医学研究所北京100005 

出 版 物：《遗传》 (Hereditas（Beijing))

年 卷 期：2017年第39卷第8期

页      面：707-716页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 0711[理学-系统科学] 07[理学] 08[工学] 

基　　金：北京协和医学院研究生创新基金(编号:10023-1001-1005)资助~~ 

主　　题：全基因组关联研究 通路分析 核算法 

摘      要：全基因组关联研究(genome-wide association study,GWAS)自2005年首次发表以来已不断增进人们对疾病遗传机制的认识,结合系统生物学并改进统计分析方法是对GWAS数据进行深度挖掘的重要途径。通路分析(pathway analysis)将GWAS所检测的遗传变异根据一定的生物学含义组合为集合进行分析,有利于发现对疾病单独效应小却在通路中相互关联的遗传变异,更有利于进行生物学解释。当前通路分析在GWAS数据上已有较为广泛的应用并取得初步成果。与此同时,通路分析的统计方法仍在不断发展。本文旨在介绍现有直接以SNP为对象的GWAS通路分析算法,根据方法中是否采用核函数分为非核算法和核算法两大类,其中非核算法主要包括基因功能富集分析(gene set enrichment analysis,GSEA)和分层贝叶斯优取(hierarchical Bayes prioritization,HBP),核算法包括线性核(linear kernel,LIN)、状态认证核(identity-by-status kernel,IBS)和尺度不变核(powered exponential kernel)。通过介绍这些方法的计算原理和优缺点,以期为新算法的构建提供更好的思路,为GWAS领域研究方法的选择提供参考。