Генома комплексного анализ черты ( GCTA ) Геном основы ограничены максимальное правдоподобие ( GREML ) представляет собой статистический метод дисперсионного компонента оценки в области генетики , которая количественно определяет общий узкий смысл (аддитивный) вклад признака в наследуемость конкретного подмножества генетических вариантов (обычно ограничивается SNP с MAF> 1%, отсюда такие термины, как «наследуемость чипа» / «наследуемость SNP»). Это делается путем прямого количественного определения вероятного генетического сходства неродственных особей и сравнения его с измеренным сходством по признаку; если два неродственных человека относительно похожи генетически и также имеют схожие измерения признаков, то измеренная генетика, вероятно, причинно влияет на этот признак, и корреляция может в некоторой степени сказать, насколько сильно. Это можно проиллюстрировать построением квадрата попарных различий между людьми в зависимости от их предполагаемой степени родства. [1] Инфраструктура GCTA может применяться в различных условиях. Например, его можно использовать для изучения изменений наследуемости в процессе старения и развития. [2] Его также можно расширить для анализа двумерных генетических корреляций между признаками. [3] Продолжаются дискуссии о том, дает ли GCTA надежные или стабильные оценки наследуемости при использовании с текущими данными SNP. [4] Метод основан на устаревшем и ложном противопоставлении генов окружающей среде. Он также страдает серьезными методологическими недостатками, такими как подверженность расслоению населения . [5]
Оценки наследуемости GCTA полезны, потому что они обеспечивают нижние границы [6] генетического вклада в такие черты, как интеллект, не полагаясь на предположения, используемые в исследованиях близнецов и других семейных и родословных исследованиях, тем самым подтверждая их [7] [8] [9] и позволяет дизайн благосостояние питания исследования ассоциации генома (GWAS) проектирует , чтобы найти конкретные генетические варианты , связанные. Например, оценка GCTA 30% наследуемости SNP согласуется с большей общей генетической наследуемостью 70%. Однако, если бы оценка GCTA составляла ~ 0%, это означало бы одно из трех: а) генетический вклад отсутствует, б) генетический вклад полностью выражен в виде не включенных генетических вариантов, или в) генетический вклад полностью в форме неаддитивных эффектов, таких как эпистаз / доминирование . Выполнение GCTA на отдельных хромосомах и регресс оценочной доли вариации признаков, объясняемой каждой хромосомой, в зависимости от длины этой хромосомы может выявить, кластеризуются ли ответственные генетические варианты, равномерно распределяются по геному или связаны с полом . Конечно, хромосомы могут быть заменены более мелкозернистыми или функционально информированными подразделениями. Изучение генетических корреляций может выявить, в какой степени наблюдаемые корреляции, например, между интеллектом и социально-экономическим статусом, обусловлены одними и теми же генетическими особенностями, а в случае болезней могут указывать на общие причинные пути, которые могут быть выведены из совместно связанных генетических вариаций. с шизофренией и другими психическими заболеваниями или сниженным интеллектом.
История
Для оценки в биологии / селекции животных с использованием стандартных методов дисперсионного анализа ANOVA / REML компонентов дисперсии, таких как наследственность, общая среда, материнские эффекты и т. Д., Обычно требуются индивиды с известной родственностью, такие как родитель / ребенок; это часто недоступно или данные родословной ненадежны, что приводит к невозможности применения методов или требует строгого лабораторного контроля всего разведения (что угрожает внешней достоверности всех оценок), и несколько авторов отметили, что родство может быть измерено непосредственно по генетическим маркерам. (и если бы люди были разумно родственниками, для статистической мощности необходимо было бы получить экономически мало маркеров), что привело Кермита Ритланда к предложению в 1996 г., что прямое измерение парного родства можно сравнить с измерениями парного фенотипа (Ritland 1996, «Маркер-основанный метод»). для выводов о количественном наследовании в природных популяциях » [10] ).
Поскольку затраты на секвенирование генома в 2000-е годы резко упали, стало возможным получение достаточного количества маркеров для достаточного количества субъектов для надежных оценок с использованием очень отдаленных родственников. Раннее применение этого метода к людям пришло с Visscher et al. 2006 [11] / 2007, [12], которые использовали маркеры SNP для оценки фактического родства братьев и сестер и оценки наследственности от прямой генетики. У людей, в отличие от оригинальных приложений животных / растений, родство обычно известно с высокой степенью уверенности в «дикой популяции», и преимущество GCTA больше связано с тем, чтобы избежать допущений о классических моделях поведенческой генетики и проверить их результаты, а также разделить наследуемость на Класс SNP и хромосомы. Первое использование GCTA у людей было опубликовано в 2010 году, обнаружив, что 45% различий в росте человека можно объяснить включенными SNP. [13] [14] (Большие GWAS по высоте с тех пор подтвердили оценку. [15] ) Затем был описан алгоритм GCTA, и его программная реализация была опубликована в 2011 году. [16] С тех пор он использовался для изучения широкого спектра биологических , медицинские, психиатрические и психологические черты человека, и вдохновили на создание множества различных подходов.
Преимущества
Устойчивая наследуемость
Исследования близнецов и семей долгое время использовались для оценки дисперсии, объясняемой определенными категориями генетических и экологических причин. По широкому спектру изученных человеческих черт, как правило, присутствует минимальное влияние общей среды, значительное влияние не общей среды и большой генетический компонент (в основном аддитивный), который в среднем составляет ~ 50%, а иногда и намного выше для некоторых черт, таких как как рост или интеллект. [17] Тем не менее, исследования близнецов и семей подвергались критике за то, что они полагались на ряд предположений, которые трудно или невозможно проверить, таких как предположение о равных условиях окружающей среды (что среда монозиготных и дизиготных близнецов одинаково схожа), что нет неправильной классификации зиготности (ошибочно принимающей идентичных за разнояйцевых и наоборот), что близнецы не репрезентативны для общей популяции и что нет ассортативного спаривания . Нарушение этих предположений может привести к смещению оценок параметров как в сторону увеличения, так и в сторону уменьшения. [18] (Эти дебаты и критика были особенно сосредоточены на наследуемости IQ .)
Использование SNP или полногеномных данных от неродственных участников (участники слишком связаны, обычно> 0,025 или ~ четвертого кузена уровня сходства, удаляются, и несколько основных компонентов включены в регрессию, чтобы избежать и контролировать стратификацию населения ) обходятся много критических замечаний по поводу наследственности: близнецы часто совершенно не вовлечены, не возникает вопросов о равном обращении, родство оценивается точно, а выборки берутся из самых разных субъектов.
Помимо того, что данные SNP более устойчивы к нарушениям предположений исследования близнецов, их легче собрать, поскольку для этого не требуются редкие близнецы, и, таким образом, также может быть оценена наследуемость по редким признакам (с должной поправкой на систематическую ошибку установления ).
Мощность GWAS
Оценки GCTA можно использовать для решения проблемы отсутствующей наследственности и разработки GWAS, которые дадут статистически значимые совпадения для всего генома. Это делается путем сравнения оценки GCTA с результатами меньших GWAS. Если GWAS n = 10k, использующий данные SNP, не может выявить какие-либо совпадения, но GCTA указывает на высокую наследуемость, обусловленную SNP, то это означает, что задействовано большое количество вариантов ( полигенность ) и, таким образом, будут использоваться гораздо более крупные GWAS. требуется для точной оценки эффекта каждого SNP и непосредственного учета части наследуемости GCTA.
Недостатки
- Ограниченный вывод: оценки GCTA по своей сути ограничены тем, что они не могут оценить широкую наследственность, как исследования близнецов / семей, поскольку они оценивают только наследуемость из-за SNP. Следовательно, хотя они служат критической проверкой объективности исследований близнецов / семей, GCTA не могут заменить их для оценки общего генетического вклада в признак.
- Существенные требования к данным: количество SNP, генотипированных на человека, должно быть в тысячах, а в идеале - в сотнях тысяч для разумных оценок генетического сходства (хотя это больше не является такой проблемой для текущих коммерческих чипов, которые по умолчанию составляют сотни тысяч или миллионы маркеры); а количество людей, для достаточно стабильных оценок вероятной наследуемости SNP, должно быть не менее n > 1000 и в идеале n > 10000. [19] Напротив, исследования близнецов могут предложить точные оценки с долей размера выборки.
- Вычислительная неэффективность: исходная реализация GCTA плохо масштабируется с увеличением размера данных (), поэтому даже если доступно достаточно данных для точных оценок GCTA, вычислительная нагрузка может быть невыполнимой. GCTA можно метаанализовать как стандартный взвешенный по точности метаанализ с фиксированным эффектом [20], поэтому исследовательские группы иногда оценивают когорты или подмножества, а затем объединяют их метааналитически (за счет дополнительной сложности и некоторой потери точности) . Это побудило к созданию более быстрых реализаций и вариантных алгоритмов, которые делают различные предположения, например, используют сопоставление моментов . [21]
- Потребность в необработанных данных: GCTA требует генетического сходства всех субъектов и, следовательно, их необработанной генетической информации; из-за соображений конфиденциальности личные данные пациентов редко передаются. GCTA не может быть запущен на основе сводной статистики, публикуемой многими проектами GWAS, и при объединении нескольких оценок GCTA необходимо выполнить метаанализ .
Напротив, существуют альтернативные методы, которые работают с сводками, сообщаемыми GWAS, не требуя необработанных данных [22], например, « регрессия оценки LD » [23] противопоставляет статистику неравновесия по сцеплению (доступную из общедоступных наборов данных, таких как 1000 геномов ) с эффектом общедоступной сводки - размеры, чтобы сделать вывод о наследственности и оценить генетические корреляции / совпадения нескольких признаков. Broad институт работает LD концентратор , который обеспечивает публичный веб - интерфейс> = 177 черт с LD оценка регрессии. [24] Другой метод использования сводных данных - HESS. [25] - Доверительные интервалы могут быть неверными, выходить за пределы диапазона наследуемости 0–1 и быть очень неточными из-за асимптотики. [26]
- Недооценка наследуемости SNP: GCTA неявно предполагает, что все классы SNP, более редкие или более распространенные, более новые или старые, более или менее находящиеся в неравновесном сцеплении, имеют в среднем одинаковые эффекты; у людей более редкие и новые варианты, как правило, имеют более сильные и более негативные эффекты [27], поскольку представляют собой мутационную нагрузку , очищаемую от негативного отбора . Как и в случае с ошибкой измерения, это приведет к смещению оценок GCTA в сторону недооценки наследуемости.
Интерпретация
Оценки GCTA часто ошибочно интерпретируются как «общий генетический вклад», и поскольку они часто намного меньше, чем оценки близнецов, исследования близнецов считаются предвзятыми, а генетический вклад в конкретный признак незначителен. Это неверно, поскольку оценки GCTA являются нижними границами. [ необходима цитата ]
Более правильная интерпретация будет такова: оценки GCTA - это ожидаемая величина дисперсии, которую можно предсказать с помощью неопределенно большого GWAS с использованием простой аддитивной линейной модели (без каких-либо взаимодействий или эффектов более высокого порядка) в конкретной популяции в конкретный момент времени. ограниченный выбор SNP и признака, измеренного с определенной степенью точности. Следовательно, есть много способов превысить оценки GCTA:
- Данные генотипирования SNP обычно ограничиваются 200 000–1 млн наиболее распространенных или интересных с научной точки зрения SNP, хотя с помощью секвенирования генома было задокументировано более 150 миллионов; [28] по мере того, как цены на SNP падают, а массивы становятся более всеобъемлющими или полногеномное секвенирование полностью заменяет генотипирование SNP, ожидаемая узкая наследуемость будет увеличиваться по мере того, как в анализ включается больше генетических вариантов. Отбор также можно значительно расширить с помощью гаплотипов [29] и вменения (SNP могут замещать ненаблюдаемые генетические варианты, с которыми они, как правило, наследуются); например, Ян и др. 2015 [30] обнаружил, что при более агрессивном использовании вменения для вывода ненаблюдаемых вариантов оценка GCTA высоты увеличивается с 45% до 56%, а Hill et al. 2017 обнаружил, что расширение GCTA для охвата более редких вариантов повышает оценки интеллекта с ~ 30% до ~ 53% и объясняет всю наследуемость в их выборке; [31] для 4 признаков в Биобанке Великобритании, условно увеличив оценки наследуемости SNP. [32] Дополнительные генетические варианты включают de novo мутации / нагрузку мутаций и структурные вариации, такие как вариации числа копий .
- узкосмысленные оценки наследуемости предполагают простую аддитивность эффектов, игнорируя взаимодействия. Поскольку некоторые значения признаков будут обусловлены этими более сложными эффектами, общий генетический эффект будет превышать эффект подмножества, измеренного с помощью GCTA, а по мере нахождения и измерения дополнительных SNP станет возможным обнаружение взаимодействий с использованием более сложных статистических данных. модели.
- все оценки корреляции и наследуемости смещены вниз до нуля из-за наличия ошибки измерения ; необходимость корректировки приводит к таким методам, как поправка Спирмена на ошибку измерения , поскольку недооценка может быть довольно серьезной для тех черт, где крупномасштабные и точные измерения являются трудными и дорогими [33], такими как интеллект. Например, оценка GCTA интеллекта 0,31, основанная на измерении интеллекта с надежностью повторного тестирования. , после исправления (), будет истинной оценкой ~ 0,48, что указывает на то, что одни только общие SNP объясняют половину дисперсии. Следовательно, GWAS с лучшим измерением интеллекта может рассчитывать найти больше совпадений с интеллектом, чем указано в GCTA, основанном на более шумном измерении.
Реализации
Автор (ы) оригинала | Цзянь Ян |
---|---|
Первый выпуск | 30 августа 2010 г . | [34]
Стабильный выпуск (ы) | |
1.26.0 / 22 июня 2016 г . [34] | |
Предварительный выпуск (ы) | |
1.93.2beta / 8 мая 2020 г . [34] | |
Написано в | C ++ |
Операционная система | Linux macOS (не полностью протестирован) Windows (не полностью протестирован) [34] |
Платформа | x86_64 |
Доступно в | английский |
Тип | Генетика |
Лицензия | GPL v3 (исходный код) MIT (исполняемые файлы) [34] |
Веб-сайт | cnsgenomics .com / программное обеспечение / gcta / |
По состоянию на | 8 апреля 2021 г. |
Наиболее широко используется оригинальный программный пакет "GCTA"; его основные функции включают оценку наследуемости SNP по программе GREML, но включают в себя другие функции:
- Оценить генетические отношения по SNP по всему геному;
- Оцените коэффициент инбридинга на основе полногеномных SNP;
- Оцените дисперсию, объясняемую всеми аутосомными SNP;
- Разделить генетическую изменчивость на отдельные хромосомы;
- Оценить генетическую изменчивость, связанную с Х-хромосомой;
- Проверить влияние дозовой компенсации на генетическую изменчивость Х-хромосомы ;
- Предсказать аддитивные генетические эффекты в масштабах всего генома для отдельных субъектов и для отдельных SNP;
- Оцените структуру LD, охватывающую список целевых SNP;
- Смоделировать данные GWAS на основе наблюдаемых данных генотипа;
- Преобразование необработанных данных генотипа Illumina в формат PLINK ;
- Условный и совместный анализ сводной статистики GWAS без данных генотипа на индивидуальном уровне
- Оценка генетической корреляции между двумя признаками (заболеваниями) с использованием данных SNP
- Анализ ассоциации смешанной линейной модели
- GCTA, cnsgenomics .com / software / gcta /
Другие реализации и варианты алгоритмов включают:
- FAST-LMM [35]
- FAST-LMM-Select: [36] как GCTA в использовании гребневой регрессии [37], но с включением выбора функций, чтобы попытаться исключить нерелевантные SNP, которые только добавляют шум к оценкам родства.
- LMM- Лассо [38]
- GEMMA [39]
- EMMAX [40]
- REACTA (ранее ACTA) заявляет о сокращении времени выполнения на порядок [41] [42]
- BOLT-REML / BOLT-LMM [43] ( вручную ), более быстрое и лучшее масштабирование; [44] с потенциально большей эффективностью в сценарии метаанализа [45]
- МЕГА [46]
- PLINK> 1.9 (декабрь 2013 г.) поддерживает «использование матриц генетических отношений в анализе ассоциаций смешанных моделей и других расчетах».
- LDAK: [47] ослабляет предположение GCTA о том, что все SNP, независимо от качества или частоты генотипирования, имеют одинаковый усредненный ожидаемый эффект, что позволяет потенциально найти гораздо больше наследуемости SNP.
- GREML-IBD: [48] GCTA для идентичности по происхождению , попытка оценить наследуемость на основе общих сегментов генома у далеких и не связанных родственников, чтобы уловить влияние более редких вариантов, которые не измеряются панелями SNP или не вменяются иным образом.
Черты
В оценках GCTA часто встречаются оценки 0,1-0,5, согласующиеся с широкими оценками наследуемости (за исключением личностных черт, для которых теория и текущие результаты GWAS предполагают неаддитивную генетику, обусловленную частотно-зависимым отбором [49] [50] ). Для признаков использовался одномерный GCTA (за исключением оценок наследуемости SNP, вычисленных с использованием других алгоритмов, таких как регрессия оценки LD, и двумерные GCTA, которые перечислены в генетической корреляции ), включая (формат точечной оценки: "( стандартная ошибка ) "):
Смотрите также
- Животноводство
- Лучший линейный объективный прогноз
- Менделирующая рандомизация
- Плейотропия
- « Корреляция между родственниками на основе предположения о менделевском наследовании », Фишер, 1918 г.
Рекомендации
- ^ Рисунок 3 Янга и др. 2010 г. или Рисунок 3 Ритланда и Ритланда 1996 г.
- ^ "Генетический вклад в стабильность и изменение интеллекта от детства до старости" , Дири и др. 2012
- ^ Ли и др. 2012, «Оценка плейотропии между сложными заболеваниями с использованием геномных отношений, основанных на однонуклеотидном полиморфизме, и ограниченного максимального правдоподобия»
- ↑ Кришна Кумар, Сиддхартх; Фельдман, Маркус В .; Rehkopf, Дэвид Х .; Тулджапуркар, Шрипад (5 января 2016 г.). «Ограничения GCTA как решение проблемы отсутствующей наследственности» . Труды Национальной академии наук Соединенных Штатов Америки . 113 (1): E61–70. DOI : 10.1073 / pnas.1520109113 . ISSN 1091-6490 . PMC 4711841 . PMID 26699465 .
- ^ BURT, CALLIE H .; САЙМОНС, РОНАЛЬД Л. (февраль 2015 г.). «Исследования наследственности в постгеномную эру: фатальный изъян концептуален». Криминология . 53 (1): 103–112. DOI : 10.1111 / 1745-9125.12060 .
- ^ Дункан, LE; Ratanatharathorn, A .; Aiello, AE; Алмли, Л. М.; Amstadter, AB; Эшли-Кох, AE; Baker, DG; Бекхэм, JC; Берут, ЖЖ (март 2018 г.). «Самый большой GWAS посттравматического стрессового расстройства (N = 20 070) дает генетическое совпадение с шизофренией и половыми различиями в наследуемости» . Молекулярная психиатрия . 23 (3): 666–673. DOI : 10.1038 / mp.2017.77 . ISSN 1476-5578 . PMC 5696105 . PMID 28439101 .
«Распространенное заблуждение относительно оценок наследуемости SNP-чипов, рассчитанных с помощью GCTA и LDSC, состоит в том, что они должны быть аналогичны оценкам близнецов, в то время как в действительности двойные исследования имеют то преимущество, что улавливают все генетические эффекты - общие, редкие и те, которые не генотипированы доступными методами. Таким образом, должно быть предположение, что h2SNP
- ↑ Эрик Тюркхаймер ( «Все еще отсутствует» , Turkheimer 2011) обсуждает результаты GCTA в контексте дискуссии об исследовании близнецов: «Из трех оговорок относительно количественной генетической наследственности, которые были изложены вначале - предположения исследований близнецов и семей, универсальность наследуемости и отсутствие механизма - новая парадигма положила конец первому, и прежде чем продолжить объяснение моего скептицизма по поводу того, были ли решены самые важные проблемы, стоит оценить, насколько это значимое достижение. программы исследований Вишера, теперь уже невозможно утверждать, что вся совокупность количественных генетических исследований, показывающих универсальную важность генов для развития человека, каким-то образом основывалась на оптимистичном взгляде на предположение о равных условиях окружающей среды в исследованиях близнецов, что положило конец целая ошибочная школа мысли среди традиционных противников классической количественной (и ассоциативно-поведенческой) генетики (например, Джозеф , 2010; Kamin & Goldberger, 2002) »; см. Также Turkheimer, Harden, & Nisbett :« Эти методы дали ученым новый способ вычисления наследуемости: исследования, которые измеряют вариацию последовательности ДНК напрямую, показали, что пары людей, которые не являются родственниками, но которые генетически немного более схожи, а также имеют более схожий IQ, чем другие пары людей, которые генетически более различаются. Эти «основанные на ДНК» исследования наследственности не говорят вам намного больше, чем классические исследования близнецов, но они развеивают многие из сохраняющихся подозрений, что исследования близнецов были в некотором роде фундаментально ошибочными. Как и достоверность тестирования интеллекта, наследуемость интеллекта больше не вызывает научных споров ».
- ^ "Это открытие сильной полногеномной плейотропии различных когнитивных и обучающих способностей, проиндексированных общим интеллектом, является важным открытием о происхождении индивидуальных различий в интеллекте. Тем не менее, это открытие, похоже, мало повлияло на связанные области, такие как когнитивная нейробиология или экспериментальная когнитивная психология.Мы предполагаем, что отчасти причина такого пренебрежения заключается в том, что эти области обычно игнорируют индивидуальные различия.65,66 Другая причина может заключаться в том, что доказательства этого открытия в значительной степени основывались на дизайне близнецов, для которого всегда были опасения по поводу некоторых из его предположений; 6 мы полагаем, что это изменится теперь, когда GCTA начинает подтверждать двойные результаты ». - «Генетика и различия интеллекта: пять специальных выводов» , Plomin & Deary 2015
- ^ «10 лучших копий результатов поведенческой генетики» , Пломин и др., 2016: «Это исследование в первую очередь опиралось на дизайн близнецов, в котором сравнивается сходство однояйцевых и разнояйцевых близнецов, и дизайн усыновления, в котором сходство разлученных родственников по усыновлению.Хотя дизайн-близнец и дизайн-усыновление подвергались критике отдельно (Plomin et al., 2013), эти два дизайна в целом сходятся в одном и том же заключении, несмотря на то, что они основаны на очень разных предположениях, что добавляет силы этим выводам ... GCTA недооценивает генетическое влияние по нескольким причинам и требует образцов нескольких тысяч человек, чтобы выявить крошечный сигнал случайного генетического сходства из-за шума различий ДНК по геному (Vinkhuyzen, Wray, Yang, Goddard & Visscher, 2013). Тем не менее, GCTA постоянно приводит доказательства значительного генетического влияния на когнитивные способности (Benyamin et al., 2014; Davies et al., 2015; St. Pourcain et al., 2014). ), психопатология (LK Davis et al., 2013; Gaugler et al., 2014; Klei et al., 2012; Любке и др., 2012, 2014; McGue et al., 2013; Рипке и др., 2013; Wray et al., 2014), личность (CA Rietveld, Cesarini, et al., 2013; Verweij et al., 2012; Vinkhuyzen et al., 2012), употребление психоактивных веществ или наркотическая зависимость (Palmer et al., 2015; Vrieze, McGue, Miller, Hicks, & Iacono, 2013), таким образом поддерживая результаты исследований близнецов и усыновлений ».
- ^ см. также Ritland 1996b, « Оценки парного родства и индивидуальных коэффициентов инбридинга» ; Ритланд и Ритланд 1996, « Выводы о количественном наследовании, основанные на естественной структуре популяции желтого обезьяньего цветка, Mimulus guttatus » ; Линч и Ритланд 1999, «Оценка парного родства с молекулярными маркерами» ; Ритланд 2000, « Маркерное родство как инструмент для определения наследуемости в природе» ; Томас 2005, "Оценка генетических отношений с использованием молекулярных маркеров и их эффективности в оценке наследуемости в естественных популяциях"
- ^ Visscher et al 2006, "Оценка наследственности без допущений на основе общегеномной идентичности по происхождению между полными братьями и сестрами"
- ^ Visscher et al 2007, "Разделение генома генетической изменчивости по росту от 11 214 пар братьев и сестер"
- ^ «Общие SNP объясняют большую часть наследуемости человеческого роста» , Ян и др. 2010
- ^ « Комментарий к« Общие SNPs объясняют большую часть наследуемости человеческого роста »Ян и др. (2010)» , Visscher и др. 2010
- ^ «Определение роли общих вариаций в геномной и биологической архитектуре взрослого человека» , Вуд и др., 2014 г.
- ^ "GCTA: инструмент для анализа комплексных признаков всего генома" , Ян и др. 2011
- ^ «Мета-анализ наследуемости человеческих черт, основанный на пятидесятилетних исследованиях близнецов» , Полдерман и др. 2015
- ^ Barnes, JC; Райт, Джон Пол; Boutwell, Brian B .; Schwartz, Joseph A .; Коннолли, Эрик Дж .; Nedelec, Joseph L .; Бивер, Кевин М. (01.11.2014). «Демонстрация обоснованности исследования близнецов в криминологии» . Криминология . 52 (4): 588–626. DOI : 10.1111 / 1745-9125.12049 . ISSN 1745-9125 .
- ^ "GCTA в конечном итоге предоставит прямые ДНК-тесты количественных генетических результатов, основанные на исследованиях близнецов и усыновлений. Одна проблема заключается в том, что для предоставления надежных оценок требуются многие тысячи людей. Другая проблема заключается в том, что требуется больше SNP, чем даже миллион SNP, генотипированных на текущие микрочипы SNP, потому что существует много вариаций ДНК, не улавливаемых этими SNP. В результате GCTA не может оценить всю наследуемость, возможно, только половину наследуемости. Первые отчеты анализов GCTA оценивают наследуемость примерно как половину оценок наследуемости от близнецов исследования усыновления роста (Lee, Wray, Goddard, & Visscher, 2011; Yang et al., 2010; Yang, Manolio, et al. "2011) и интеллекта (Davies et al., 2011)" pg110, Behavioral Genetics , Пломин и др. 2012 г.
- ^ «Мета-анализ результатов GREML из нескольких когорт» , Ян 2015
- ^ "Анализ наследуемости феномена биобанка Великобритании" , Ge et al 2016
- ^ Pasaniuc & Price 2016, «Анализ генетики сложных признаков с использованием сводной статистики ассоциаций»
- ^ «Регрессия LD-оценки отличает искажение от полигенности в исследованиях общегеномной ассоциации» , Bulik-Sullivan et al 2015
- ^ "LD Hub: централизованная база данных и веб-интерфейс для регрессии оценки LD, которая максимизирует потенциал данных GWAS сводного уровня для анализа наследственности SNP и генетической корреляции" , Чжэн и др., 2016
- ^ «Сопоставление генетической архитектуры 30 сложных признаков из сводных данных ассоциации» , Ши и др., 2016
- ^ «Быстрое и точное построение доверительных интервалов для наследуемости» , Schweiger et al 2016
- ^ «Зависимая от неравновесия сцепления архитектура комплексных черт человека демонстрирует действие негативного отбора» , Газал и др., 2017
- ^ «Глубокое секвенирование 10 000 геномов человека» , Telenti 2015
- ^ «Гаплотипы общих SNP могут объяснить отсутствие наследственности сложных заболеваний» , Bhatia et al 2015
- ^ «Оценка генетической дисперсии с вмененными вариантами обнаруживает незначительную недостающую наследуемость для роста человека и индекса массы тела» , Ян и др. 2015
- ^ Хилл и др., 2017, «Геномный анализ семейных данных выявляет дополнительные генетические эффекты на интеллект и личность»
- ^ Evans et al 2017, «Сравнение методов, использующих данные полного генома для оценки наследственности и генетической архитектуры сложных признаков»
- ^ Методы метаанализа: исправление ошибок и предвзятости в результатах исследований , Хантер и Шмидт 2004
- ^ а б в г д «Документ GCTA» . cnsgenomics.com . Проверено 8 апреля 2021 .
- ^ "Быстрые линейные смешанные модели для полногеномных ассоциативных исследований" , Липперт 2011
- ^ «Улучшенные линейные смешанные модели для полногеномных ассоциативных исследований» , Листгартен и др. 2012
- ^ «Преимущества и недостатки в применении методов ассоциации смешанной модели» , Ян и др. 2014
- ^ «Лассо-мультимаркерная смешанная модель для сопоставления ассоциаций с коррекцией структуры населения» , Ракич и др. 2012
- ^ "Эффективный анализ смешанной модели в масштабе всего генома для ассоциативных исследований" , Zhou & Stephens 2012
- ^ "Модель компонента дисперсии для учета структуры выборки в исследованиях ассоциации на уровне всего генома" , Канг и др. 2012
- ^ «Расширенный комплексный анализ черт» , Грей и др. 2012 г.
- ^ "Расширенный комплексный анализ признаков региональной наследственности для графического процессора и традиционной параллельной архитектуры" , Себаманос и др. 2012
- ^ «Эффективный байесовский анализ смешанной модели увеличивает силу ассоциации в больших когортах» , Лох и др. 2012
- ^ «Противопоставление генетической архитектуры шизофрении и других сложных заболеваний с использованием быстрого анализа компонентов дисперсии» , Лох и др. 2015; см. также «Противопоставление региональных архитектур шизофрении и других сложных заболеваний с использованием быстрого анализа компонентов дисперсии» , Loh et al 2015
- ^ "Смешанные модели для метаанализа и секвенирования" , Bulik-Sullivan 2015
- ^ "Массовый ускоренный анализ наследуемости всего генома (MEGHA)" , Ge et al 2015
- ^ Speed et al, 2016, «Переоценка наследуемости SNP в сложных человеческих чертах»
- ^ Evans et al 2017, «Узкая оценка наследуемости сложных черт с использованием информации о происхождении».
- ^ "Поддержание генетической изменчивости человеческой личности: тестирование эволюционных моделей путем оценки наследственности из-за общих причинных вариантов и исследования эффекта отдаленного инбридинга" , Verweij et al 2012
- ^ «Эволюционная генетика личности» , Пенке и др. 2007; «Новый взгляд на эволюционную генетику личности» , Penke & Jokela, 2016 г.
дальнейшее чтение
- «Обзор исследований: полигенные методы и их применение к психиатрическим характеристикам» , Wray et al. 2014 г.
- «Наследственность в эпоху геномики - концепции и заблуждения» , Visscher et al. 2008 г.
- «Раскрытие генетической архитектуры количественных признаков» , Ли и др. 2016 г.
- «Оценка наследственности с использованием геномных данных» , Stanton-Geddes et al. 2013
- «MultiBLUP: улучшенное предсказание сложных признаков на основе SNP» , Speed & Balding 2012
- «Преимущества и недостатки применения методов ассоциации смешанных моделей» , Янг и др. 2013
- «Прогнозирование общей генетической ценности с использованием карт плотных маркеров для всего генома » , Meuwissen et al. 2001 г.
- «Понимание и использование количественной генетической изменчивости» , Хилл 2009 г.
- «Сто лет развития статистики в животноводстве» , Джанола и Роза, 2015 г.
- «Условия достоверности оценки наследуемости на основе SNP» , Ли и Чоу, 2014 г.
- «Измерение недостающей наследуемости: определение вклада общих вариантов» , Golan et al. 2014 г.
- «Концепции, оценка и интерпретация наследуемости на основе SNP» , Ян и др. 2017 г.
- Maier et al. 2017, «Охват полигенности: обзор методов и инструментов психиатрических генетических исследований».
- Ronald & Pain 2018, «Систематический обзор полногеномных исследований психотических переживаний и негативных симптомов: новые открытия и значения для психиатрии»
Внешние ссылки
- Калькулятор мощности GCTA-GREML ( «Статистическая мощность для обнаружения генетической (со) дисперсии сложных признаков с использованием данных SNP в несвязанных выборках » , Visscher et al. 2014)
- «Геномика, большие данные, медицина и сложные черты» (выступление Питера Вишера)
- «Генетическая архитектура психологических черт» , слайды Ли 2014 г.
- «Модели на основе наследуемости для прогнозирования сложных признаков» , Дэвид Болдинг, 2015 г.