Genetische
associatiestudies worden steeds meer gebruikt om de associaties tussen SNPs en
complexe ziekten vast te stellen. Daarbij wordt over het algemeen echter geen
rekening gehouden met andere genomische data die van belang zijn voor het
verband tussen SNPs en de betreffende ziekten, zoals genexpressie. In een
publicatie die nu online is in de Annals of Applied Statistics
presenteren Yen-Tsung Huang van Brown University (Providence, RI) en collega’s van
Harvard University (Cambridge, MA) een methode om genexpressie-data te
gebruiken om de associatie tussen SNPs, genexpressie, en ziekten beter te kunnen
bepalen.1 Ze ontwikkelden een variantiecomponent-test voor het
totale effect van SNPs en genexpressie op het ziekterisico. Ze laten zien dat
hun test leidt tot een nauwkeurige inschatting van het verband tussen SNPs en
expressie van het ORMDL3-gen en het
risico van astma bij Amerikaanse kinderen met Britse voorouders.
In een
andere publicatie die nu online is in Biostatistics laat Huang zien dat de methode ook kan worden toegepast bij het
analyseren van de rol van SNPs en de expressie van het GRB10-gen bij het ontstaan van glioblastoom.2
Referenties 1. Huang Y-T, VanderWeele TJ, Lin X. Joint analysis
of SNP and gene expression data in genetic association studie of complex
diseases. Ann Appl Stat 2014;epub ahead of print 2. Huang Y-T. Integrative modeling of multiple
genomic data from different types of genetic association studies. Biostatistics
2014; epub ahead of print
Commentaren
Reageren op dit artikel is mogelijk na registratie. (Login)