面向人类复杂疾病的eQTL模块挖掘及其meta分析方法研究

It is one of the hot research topics in recent years that the identification of the human complex disease risk loci. Expression quantitative trait loci(eQTL) mapping takes the level of gene expression as an intermediate molecular phenotype between genetic variation and clinical phenotype, and it provides a new way for the study of complex disease risk loci identification. For the problems of overlap in eQTL module mining and multiple data integration, this project focuses on the study of overlapping eQTL model construction and meta analysis method. Firstly, we propose an overlapping eQTL module model and develop its statistical mining algorithms. Next, we estimate the reasonable sample size required for eQTL analysis and integrate SNP and gene expression data from different studies to build the single locus and multilocus meta-eQTL models. Finally, combined with GO, KEGG, OMIM and GWAS results, we perform a systematic functional analysis for the tissue-specific and shared eQTLs. This project will be significant to exploiting the new bioinformatics methods, incorporating statistics and information science into the life science, which can be applied to the identification of human complex disease risk loci.

人类复杂疾病风险位点识别是近些年的研究热点之一，表达数量性状位点（eQTL）定位将基因表达水平作为遗传变异和临床表型之间的中间分子表型，为研究复杂疾病风险位点提供了一种新途径。本项目针对eQTL模块挖掘中存在的eQTL模块重叠和多数据整合问题，重点研究重叠eQTL模型构建和meta分析方法。首先，提出有重叠eQTL模块模型，并发展其统计挖掘算法。然后，估计eQTL分析所需的合理样本量，并对不同研究的SNP、基因表达数据进行整合，构建单位点和多位点meta-eQTL模型。最后，结合GO、KEGG、OMIM、GWAS结果，系统分析组织特异和共有eQTL的生物学功能。本项目对开拓新的生物信息学方法，研究统计学、信息科学与生命科学的结合都具有重要的理论意义，并对人类复杂疾病风险位点识别具有潜在的应用价值。

复杂疾病，发病率高、致死率高，严重影响人们的寿命和生活质量。利用生物信息学方法对复杂疾病的风险基因进行挖掘和功能分析，是目前的研究热点之一。本课题从SNP、基因表达和复杂疾病三者出发，利用生物信息学工具，在疾病风险基因挖掘、eQTL功能、基因互作挖掘、SNP功能分析、全基因组关联分析、全基因组单体型分析等方面展开研究。. eQTL中包含了SNP和基因的显著调控关系，被相同的SNP调控的基因在功能上也可能是相关的。基于此假设，本课题构建了一个共关联网络，并利用随机游走方法，挖掘疾病风险基因，提供了一个新的有效资源和方法，能够大大促进疾病风险基因挖掘的发展。. 通过挖掘组织共有eQTL基因，并利用GO、KEGG注释，OMIM注释和网络分析等方法进行功能分析。研究表明，这些组织共有eQTL基因与多种功能相关，其中部分与免疫系统有着很强的关系。. 单个基因在复杂疾病中的作用有限，多个基因的共同作用起到更大作用，因此基因-基因互作挖掘是一个重要的研究内容。本研究构建了一个以整体基因作为研究对象，基于信息增益的基因互作挖掘算法（GBIGM）和一个在线分析平台，并与KCCU和SBEM进行了功效和犯第一类错误概率的比较。研究表明，GBIGM是一个有效的基因互作挖掘方法。. eQTL包含了SNP和基因的调控关系，可以作为SNP功能研究的有效资源。本课题构建了一个基于eQTL的SNP功能注释和功能富集分析平台（eSNPO），可以作为基于染色体位置功能注释的有效补充，为SNP的功能研究提供很大的帮助。. 本研究针对炎症性肠病（IBD）的遗传风险因素，综合评估了白介素10（IL-10）基因启动子区域的多态性位点与IBD的关联关系，揭示了IL-10基因多态性-1082G/ A和-819C/ T和IBD患病风险之间存在显著的关联性。. 我们结合全基因组单体型关联研究（GWHAS）和基因优化策略，挖掘急性骨髓性白血病（AML）相关的遗传影响因素，提供了一个新的视角来探讨AML的发病机制。. 综上所述，本研究提出和应用了几个计算机或统计学算法，同时还进行了一些生物功能分析方面的工作，具有重要的研究意义和潜在的应用价值。