全基因组关联研究(genome-wide association study,GWAS)已成功识别出众多与复杂疾病/性状显著相关的单核苷酸多态性位点(single nucleotide polymorphisms,SNPs)[1-2]。然而,研究表明高达90%的GWAS关联位点分布在基因间区或基因非编码...全基因组关联研究(genome-wide association study,GWAS)已成功识别出众多与复杂疾病/性状显著相关的单核苷酸多态性位点(single nucleotide polymorphisms,SNPs)[1-2]。然而,研究表明高达90%的GWAS关联位点分布在基因间区或基因非编码区域,其遗传功能和致病机制尚不明确,往往难以被实验验证,为后续生物学机制解释和临床转化带来了巨大挑战[1-3]。同时,GWAS所采用的从基因组直接跨越到疾病终点的关联分析策略,忽略了从遗传变异到疾病的连续生物过程,不利于从多组学角度解释复杂疾病机制,构筑从遗传变异经分子标记到疾病的完整链条,需吸纳多层面组学标记信息。近年来,高通量组学测序技术的成熟发展与检测成本的大幅降低,使得在群体水平获取多层面跨组学标记成为可能。为此,对多组学数据进行跨越式交叉整合,识别能够介导“SNP关联位点→复杂疾病”效应的潜在组学标记,打开遗传变异到疾病间的黑盒子,已成为后GWAS时代的研究热点[4-5]。展开更多
文摘全基因组关联研究(genome-wide association study,GWAS)已成功识别出众多与复杂疾病/性状显著相关的单核苷酸多态性位点(single nucleotide polymorphisms,SNPs)[1-2]。然而,研究表明高达90%的GWAS关联位点分布在基因间区或基因非编码区域,其遗传功能和致病机制尚不明确,往往难以被实验验证,为后续生物学机制解释和临床转化带来了巨大挑战[1-3]。同时,GWAS所采用的从基因组直接跨越到疾病终点的关联分析策略,忽略了从遗传变异到疾病的连续生物过程,不利于从多组学角度解释复杂疾病机制,构筑从遗传变异经分子标记到疾病的完整链条,需吸纳多层面组学标记信息。近年来,高通量组学测序技术的成熟发展与检测成本的大幅降低,使得在群体水平获取多层面跨组学标记成为可能。为此,对多组学数据进行跨越式交叉整合,识别能够介导“SNP关联位点→复杂疾病”效应的潜在组学标记,打开遗传变异到疾病间的黑盒子,已成为后GWAS时代的研究热点[4-5]。
