基于全基因组关联研究数据二次分析的肿瘤候选基因变异研究

肿瘤的发生是由遗传因素和环境因素共同作用导致的，且遗传因素往往具有多基因遗传的特征。不同肿瘤的全基因组关联研究（GWAS）表明这些肿瘤的遗传（germline）易感性常见变异（common variant）通常是低外显率的，这些低外显率常见变异的组合效应的揭示对研究肿瘤相关的机理起到重要作用。然而，标准的GWAS数据分析方法并不能检测这种常见变异的组合效应。本研究中，我们将在前期研究工作基础上设计开发新的基于通路的分析方法（pathway-based analysis,PBA），对公开的常见多基因遗传的肿瘤的GWAS数据进行二次深入分析，检测与特定肿瘤相关的通路即候选基因变异的组合效应；并通过网络分析等方法，比较不同肿瘤在关联通路及关联基因变异上的异同；最后以研究结果为依据建立相应的数据库。本研究在基因组学水平上探究肿瘤病因，为肿瘤的实验研究和临床诊断提供依据。

全基因组关联研究（GWAS）表明肿瘤的遗传（germline）易感性常见变异（common variant）通常是低外显率的。本项目的目标是通过揭示易感性常见变异的组合效应来研究肿瘤的相关机理。在本项研究中，我们主要开展了三个方面的工作。我们首先收集了肺癌、乳腺癌、前列腺癌等几种常见肿瘤的GWAS数据。之后我们改进了基于通路的分析（PBA）方法/在线分析平台i-GSEA4GWAS，通过改进算法和整合ENCODE、Ensembl和eQTLs数据得到新版本（v2）。最后我们用i-GSEA4GWAS v2分析常见肿瘤的GWAS数据，得到与疾病相关的生物学通路并进行比较，鉴别不同的肿瘤共享的通路并建立数据库，并对一些通路中的基因和SNPs也进行了深入分析。我们同时也开展了一些肿瘤及PBA相关的工作。