今天要讲的一篇是发表于 Hum Genet 的 "Shared genetic architecture between metabolic traits and Alzheimer's disease: a large-scale genome-wide cross-trait analysis" 。很中规中矩的一篇文章,没有什么大的亮点的。写它的主要原因整篇文献思路很流畅,次要原因是我懒,不愿意看费脑子的文章。

以下,进入主题:

背景

  • 阿尔茨海默病(AD)是一种进行性和破坏性的神经退行性疾病,其主要表现在于记忆,认知功能,语言和行为的损害。2016年,估计全球超过4400万人受到影响,到2050年,患病率几乎将增加三倍。

  • 之前的研究发现,代谢综合征,包括腹部肥胖,高血压,低HDL,高血糖和高甘油三酯血症等临床症状与认知衰退和结构性脑变化如皮质变薄相关;

  • 一个可能的假设来解释代谢与AD之间的联系是这两者具有常见的遗传病因。

  • 代谢性状和阿尔茨海默病可能具有相似的临床或流行病学风险因子,并且这些风险因子可以源自相同的遗传变异。具体而言,文章最初的假设是AD与葡萄糖相关性状相关,以T2D,空腹血糖和空腹胰岛素为代表。这也是本文研究代谢特征与阿尔兹海默病遗传关系的原因。

 

方法

    • 研究设计、数据总结和质量控制

    • 使用LiftOver工具将含有NCBI36 / hg18参考基因组的GWAS汇总数据转换为GRCh37 / hg19;

    • 过滤掉具有次要等位基因频率(MAF)<1%的变异

  • 连锁不平衡得分回归分析

    • 通过LD得分回归(LDSC)进行了全基因组遗传相关分析

  • 分区遗传相关性分析

    • 利用LDSC计算transcribed region, transcription factor binding sites (TFBS), Super Enhancer, intron, DNaseI digital genomic footprinting (DGF) region, DNase I hypersensitivity sites (DHSs), fetalDHS and histone marks H3K9ac, H3K4me1, H3K4me3, H3K27ac这些区域在两个表型间的遗传相关性

  • 局部遗传方差分析

    • ρ-HESS评估局部遗传方差分析

  • 空腹血糖与空腹胰岛素的荟萃分析

  • 跨性状荟萃分析

    • 使用SHet进行基于固定效应模型的跨表型荟萃分析

    • 应用PLINK聚集功能(参数:--clump-p1 1.6e-8 --clump-p2 1e-5 --clump-r2 0.2 --clump-kb 500)来确定彼此独立的顶部基因座

  • 通路分析、组织富集分析和转录组关联分析(TWAS)

    • 使用WebGestalt tool 来评估过度表达的共享基因;

    • 使用FUSION包进行整合转录组范围的关联分析;

  • 候选基因的优先次序分析

    • 优先考虑与TWAS功能分析重叠的基因;

    • 当没有与TWAS重叠的基因时,则考虑与感兴趣的性状最具生物学相关性的基因/基因家族;

  • 孟德尔随机化分析

    • 使用MR-PRESSO在两种连续性状(空腹血糖和HDL)和AD之间进行孟德尔随机化分析;

结果

 

阿尔兹海默病与代谢指标的遗传相关性

      • 阿尔兹海默病与空腹血糖值为遗传正相关(Rg = 0.169, P = 0.081),与空腹胰岛素呈遗传负相关(Rg = − 0.196, P = 0.087 ),与高密度脂蛋白呈遗传负相关 ( Rg = − 0.137, P = 0.0436 )

      • 没有发现阿尔兹海默病与BMI、腰臀比、二型糖尿病、低密度脂蛋白、总胆固醇、甘油三酯有遗传上的相关性

功能范畴的分区遗传相关分析

      • 分区遗传相关性分析的主要作用是将全基因组分为转录区、外显子区、DHS区等,分别计算每个区域在两个表型间的遗传相关性,进一步细化基因组的哪个区块共同影响了两个表型;

      • 在分区LDSC分析中,通过11个功能注释来评估AD和3个代谢性状之间的遗传相关性,发现AD和代谢特征具有相似的遗传相关模式;

      • 阿尔兹海默病和空腹胰岛素在内含子区域具有最高水平的遗传相关性(Rg = -0.366);

      • 阿尔兹海默病和高密度脂蛋白在转录区域具有最高水平的遗传相关性(Rg = -0.1471);

 

阿尔兹海默症与代谢特征之间的局部遗传相关性

      • 区域(chromosome 19: 44,744,108–46,102,697) 在两个表型间显示出强烈的局部遗传相关性,AD与T2D:P = 6.78 × 10− 22 , AD与LDL:1.74 × 10− 253 , AD与HDL 7.94 × 10− 18

阿尔兹海默病与代谢特征之间的跨性状荟萃分析

      • 阿尔兹海默病和空腹血糖

        • 在跨性状荟萃分析中发现了4个与AD和空腹血糖相关的基因组显着水平的基因座;

        • 第一个基因座(index SNP: rs10501320, Pmeta = 2.80 × 10− 16)与基因MADD,ACP2和AGBL2非常接近,后者被发现在胰岛素敏感性,溶酶体,小脑功能和免疫复合物中发挥作用;

        • 第二个基因座(index SNP: rs12805422, Pmeta = 1.57 × 10− 13)被定位到基因C11orf94和CRY2,其编码参与调节生物钟的黄素腺嘌呤二核苷酸结合蛋白;

        • 第三个基因座((index SNP rs1483121 Pmeta = 6.10 × 10− 10)与OR4S1的基因间间隔区接近,OR4S1与G蛋白偶联受体活性和跨膜信号传导受体活性有关;

        • 第四个基因座上的TCF7L2是一种众所周知的糖尿病风险基因,它对葡萄糖诱导的胰岛素分泌具有强烈的抑制作用;

      • 阿尔兹海默病和空腹胰岛素

        • 对阿尔兹海默病和空腹胰岛素进行荟萃分析后,共鉴定出3个基因座;

        • 第一个基因座(index SNP: rs2279590, Pmeta = 1.14 × 10− 17)编码参与基本生物事件如细胞死亡,肿瘤进展,和神经变性疾病分泌分子伴侣蛋白的基因;

        • 由rs6656401(P meta  = 3.71× 10-15)代表的第二个基因座定位于编码膜蛋白的基因CR1和CR2;

        • 第三个基因座(index SNP: rs4803750, Pmeta = 6.54 × 10− 13)位于BCL3附近,BCL3编码载脂蛋白,其多态性与已经发表的GWAS中的阿尔兹海默病易感性有关;

      • AD和HDL

        • AD和HDL之间的交叉表型荟萃分析鉴定了20个全基因组显着位点,最显着的基因座主要有APOE / APOC1基因 (index SNP rs157595, Pmeta = 1.21 × 10− 97);

        • 2q14.3上的BIN1(index SNP rs6733839, Pmeta = 3.19 × 10− 25)和22q11.21上的CCDC116(index SNP rs5754166, Pmeta = 3.61 × 10− 12)显示出与AD和HDL强相关;

跨性状荟萃分析结果与基因型 - 蛋白质关联(pQTL)之间的重叠

        • 23个基因座与基因型 - 蛋白质关联(pQTL)区域重叠

生物途径,组织富集和TWAS

      • 阿尔兹海默病与空腹血糖特性和空腹胰岛素性状共享淀粉样蛋白代谢过程途径(FDR  <0.01),并且与HDL性状共享蛋白质脂质重塑的胆固醇转运和感知知觉相关通路(FDR  <0.01)

      • GTEx富集分析鉴定了五种独立组织表达;

      • AD和空血糖显著富集组织:血液,心脏,肝脏,肌肉和胰腺;

      • AD和空腹胰岛素:血液,肝脏,胰腺,小肠和脾脏;

      • AD和HDL:血液食管,心脏,肝脏和胰腺;

文献来源:

https://www.ncbi.nlm.nih.gov/pubmed/30805717

GWAS: 阿尔兹海默症和代谢指标在大规模全基因组数据的遗传共享研究的更多相关文章

  1. Mol Cell Proteomics. |廖文丽| 阿尔兹海默症临床前期的脑脊液中突触蛋白的变化先于神经变性标志物

    大家好,本周分享的是发表在Molecular & Cellular Proteomics. 上的一篇关于阿尔兹海默病临床前期生物标志物鉴定的文章,题目是Changes in synaptic ...

  2. 全基因组关联分析学习资料(GWAS tutorial)

    前言 很多人问我有没有关于全基因组关联分析(GWAS)原理的书籍或者文章推荐. 其实我个人觉得,做这个分析,先从跑流程开始,再去看原理. 为什么这么说呢,因为对于初学者来说,跑流程就像一个大黑洞,学习 ...

  3. GWAS | 全基因组关联分析 | Linkage disequilibrium (LD)连锁不平衡 | 曼哈顿图 Manhattan_plot | QQ_plot | haplotype phasing

    现在GWAS已经属于比较古老的技术了,主要是碰到严重的瓶颈了,单纯的snp与表现的关联已经不够,需要具体的生物学解释,这些snp是如何具体导致疾病的发生的. 而且,大多数病找到的都不是个别显著的snp ...

  4. 全基因组关联分析(GWAS)的计算原理

    前言 关于全基因组关联分析(GWAS)原理的资料,网上有很多. 这也是我写了这么多GWAS的软件教程,却从来没有写过GWAS计算原理的原因. 恰巧之前微博上某位小可爱提问能否写一下GWAS的计算原理. ...

  5. GWAS 全基因组关联分析 | summary statistic 概括统计 | meta-analysis 综合分析

    有很多概念需要明确区分: 人有23对染色体,其中22对常染色体autosome,另外一对为性染色体sex chromosome,XX为女,XY为男. 染色体区带命名:在标示一特定的带时需要包括4项:① ...

  6. 全基因组关联分析(GWAS):为何我的QQ图那么飘

    前段时间有位小可爱问我,为什么她的QQ图特别飘,如果你不理解怎样算飘,请看下图: 理想的QQ图应该是这样的: 我当时的第一反应是:1)群体分层造成的:2)表型分布有问题.因此让她检查一下数据的群体分层 ...

  7. 全基因组关联分析(GWAS)扫不出信号怎么办(文献解读)

    假如你的GWAS结果出现如下图的时候,怎么办呢?GWAS没有如预期般的扫出完美的显著信号,也就没法继续发挥后续研究的套路了. 最近,nature发表了一篇文献“Common genetic varia ...

  8. 一行命令学会全基因组关联分析(GWAS)的meta分析

    为什么需要做meta分析 群体分层是GWAS研究中一个比较常见的假阳性来源. 也就是说,如果数据存在群体分层,却不加以控制,那么很容易得到一堆假阳性位点. 当群体出现分层时,常规手段就是将分层的群体独 ...

  9. 【GWAS文献解读】疟原虫青蒿素抗药性的全基因组关联分析

    英文名:Genetic architecture of artemisinin-resistant Plasmodium falciparum 中文名:疟原虫青蒿素抗药性的全基因组关联分析 期刊:Na ...

随机推荐

  1. 请收好这份NLP热门词汇解读

    文章发布于公号[数智物语] (ID:decision_engine),关注公号不错过每一篇干货. 来源 | 微软研究院AI头条 编者按:在过去的一段时间,自然语言处理领域取得了许多重要的进展,Tran ...

  2. 【设计模式】组合模式 Composite Pattern

    树形结构是软件行业很常见的一种结构,几乎随处可见,  比如: HTML 页面中的DOM,产品的分类,通常一些应用或网站的菜单,Windows Form 中的控件继承关系,Android中的View继承 ...

  3. 一个基于OCV的人肉选取特征点程序

    基于OpenCV写了一个交互式获取图片上的人肉选取的特征,并保存到文件的小程序. 典型应用场景:当在一个精度不高的应用需求中,相机分辨率差或者变形严重,某些棋盘点通过代码检测不出,就可以通过手工选取的 ...

  4. casbin-权限管理

    概要 权限管理几乎是每个系统或者服务都会直接或者间接涉及的部分. 权限管理保障了资源(大部分时候就是数据)的安全, 权限管理一般都是和业务强关联, 每当有新的业务或者业务变化时, 不能将精力完全放在业 ...

  5. UEditor1.2.6.0在.net环境下使用

    UEditor1.2.6.0 1.百度百科词条 2.UEditor官方网站 [CKEditor+CKFinder的配置实用,可查看博主另一篇文章] 第一次接触UEditor还是在2011年的下半年里, ...

  6. HTML基础-------HTML标签(3)

    HTML标签(3) 表格 作用:制作一个表格 属性: 标签;table>tr>td(或者th) 语义; table:一个表格 tr:一行 td:一个单元格 th:单元格的表头 captio ...

  7. Fiddler-抓取手机app请求

    如何使用 Fiddler 抓取手机app请求? 前提:手机和电脑在同一局域网 1.设置 Fiddler>Tools>Options>Connections 勾选 Allow remo ...

  8. .NET Core 图片操作在 Linux/Docker 下的坑

    一.前言 .NET Core 目前更新到2.2了,但是直到现在在 .NET Core 本身依然不包括和图片有关的 Image.Bitmap 等类型.对于图片的操作在我们开发中很常见,比如:生成验证码. ...

  9. opendir函数和readdir函数内涵及用法

    工作中遇到奇怪的事,加载增量的时候加载不上.于是开始分析原因,log里边没有任何错误信息,只有加载完成的标志.增量的数据在目录里边是存在的,但是显示的目录大小却不是4096,而是17,不知道为什么.后 ...

  10. 第二部分之Redis服务器(第十四章)

    Redis服务器复制和多个客户端建立网络连接,处理客户端发送的命令请求,在数据库中保存客户端执行命令所产生的数据. 一,命令请求的执行过程 客户端向服务器发送命令请求 set key value 服务 ...