graph-GPA 2.0：一种整合功能注释数据用于多疾病GWAS结果分析的图模型
基因组学
2022-04-15 v1
摘要
全基因组关联研究（GWAS）已成功识别出大量与性状和疾病相关的遗传变异。然而，要充分理解许多相关变异背后的功能机制仍具挑战性，尤其当我们关注跨多种表型共享的变异时。为应对这一挑战，我们提出 graph-GPA 2.0（GGPA 2.0），一种在统一框架下整合多种表型 GWAS 数据集并纳入功能注释的新型统计框架。我们进行了模拟研究以评估 GGPA 2.0。结果表明，使用 GGPA 2.0 整合功能注释数据不仅改善了对疾病相关变异的检出，还允许识别更精确的疾病间关系。我们分析了五种自身免疫性疾病与五种精神障碍，所用功能注释源自 GenoSkyline 与 GenoSkyline-Plus，先验疾病图由生物医学文献挖掘生成。对于自身免疫性疾病，GGPA 2.0 识别出血液（尤其是 B 细胞与调节性 T 细胞）跨多种疾病的富集。精神障碍富集于脑，尤其是双相情感障碍（BIP）与前额叶皮层、精神分裂症（SCZ）与下颞叶分别富集。最后，GGPA 2.0 成功识别出 BIP 与 SCZ 之间的多效性。这些结果表明 GGPA 2.0 可成为识别与各表型相关或跨多表型共享的相关变异的有力工具，同时促进对相关变异背后功能机制的理解。
引用
@article{arxiv.2204.06714,
title = {graph-GPA 2.0: A Graphical Model for Multi-disease Analysis of GWAS Results with Integration of Functional Annotation Data},
author = {Qiaolan Deng and Jin Hyun Nam and Ayse Selen Yilmaz and Won Chang and Maciej Pietrzak and Lang Li and Hang J. Kim and Dongjun Chung},
journal= {arXiv preprint arXiv:2204.06714},
year = {2022}
}