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. linux子系统折腾记 (二)

    今天一早起床,打开debian,居然出现 错误: 0x80070040 .不知道是怎么回事,网上有篇文章详细介绍了windows linux子系统,打算参考来做做:https://www.jiansh ...

  2. Linux shell脚本中shift的用法说明

    shift命令用于对参数的移动(左移),通常用于在不知道传入参数个数的情况下依次遍历每个参数然后进行相应处理(常见于Linux中各种程序的启动脚本). 示例1:依次读取输入的参数并打印参数个数:run ...

  3. Web前端教程2-CSS教程

    目录 1. CSS基本语法 1.1. CSS基本定义 1.2. CSS布局属性 1.3. CSS文本常用属性 2.CSS选择器 2.1. 标签选择器 2.2. id选择器 2.3. 类选择器 2.4. ...

  4. vue源码分析—认识 Flow

    认识 Flow Flow 是 facebook 出品的 JavaScript 静态类型检查⼯具.Vue.js 的源码利⽤了 Flow 做了静态类型检查, 所以了解 Flow 有助于我们阅读源码 Flo ...

  5. day 23 面向对象二

    复习 '''1.面向过程与面向对象   过程:程序流程化,可拓展性差   对象:程序流程多样化,可拓展性强​   变量 | 函数 => 属性 | 方法:前者直接使用,通过所属者.语法调用​2.拥 ...

  6. asp.net core 排序过滤分页组件:sieve(2)表达式树的复习

    在Sieve组件中使用了很多关于表达式树的知识,但在我们日常的工作中写表达式树的机会是非常少的,至少在我的编程生涯中没怎么写过表达式树(可能也就是3,4次).所以,为了能够看懂Sieve里面的源代码, ...

  7. Python--day11(函数的参数)

    今日主要内容 1.  函数的参数 2.  函数的嵌套调用 1.  形参与实参 1.  参数介绍: 函数为什么要有参数:因为内部的函数体需要外部的数据 怎样定义函数的参数:在定义函数阶段,函数名在后面( ...

  8. 08 Django REST Framework 解决前后端分离项目中的跨域问题

    01-安装模块 pip install django-cors-headers 02-添加到INSTALL_APPS中 INSTALLED_APPS = ( ... 'corsheaders', .. ...

  9. 三十九、vue中element最原始的分页(未封装的)

    html<el-table ref="scoreUserTable" :data="scorePageUser.slice((currentPage1-1)*pag ...

  10. 如何下载西门子产品CAD、3D和EPLAN文件

    使用CAx下载管理器可以访问产品的最新CAD和CAE数据. 介绍 技术数据中包含一系列产品的尺寸图.可使用CAx下载管理器,如果需要更多信息. 可以在西门子全球支持数据库中快速方便地找到 3D,CAx ...