Resumen

Los estudios de asociación del genoma completo (GWAS) han identificado decenas de miles de variantes genéticas asociadas a cientos de fenotipos y enfermedades, lo que ha aportado beneficios clínicos y médicos a los pacientes con nuevos biomarcadores y dianas terapéuticas. Recientemente, se han acumulado pruebas que sugieren que distintos rasgos complejos comparten una base de riesgo común, a saber, la pleiotropía. Anteriormente, se desarrolló un método estadístico, el GPA (Genetic analysis incorporating Pleiotropy and Annotation), para mejorar la identificación de variantes de riesgo e investigar la estructura pleiotrópica mediante un análisis conjunto de múltiples conjuntos de datos GWAS. Aunque GPA proporciona un marco estadísticamente riguroso para evaluar la pleiotropía entre fenotipos, todavía no es trivial investigar las relaciones genéticas entre un gran número de fenotipos utilizando el marco GPA. Con el fin de abordar este reto, en este trabajo proponemos un nuevo enfoque, GPA-MDS, para visualizar las relaciones genéticas entre fenotipos utilizando el algoritmo GPA y el escalado multidimensional (MDS). Esta herramienta ayudará a los investigadores a investigar la etiología común entre enfermedades, lo que potencialmente puede conducir al desarrollo de tratamientos comunes entre enfermedades. Evaluamos el marco GPA-MDS propuesto mediante un estudio de simulación y lo aplicamos para analizar conjuntamente conjuntos de datos GWAS que examinan 18 fenotipos únicos, lo que ayuda a revelar la arquitectura genética compartida de estos fenotipos.

• Materias:Ácido ribonucleico (ARN) Biosíntesis Genética vegetal Genómica Biología computacional
• Subjects:Ribonucleic acid (RNA) Biosynthesis Plant genetics Genomics Computational biology
• Palabras claves:fenotipos, PAM, enfermedades, relaciones genéticas, bases comunes de riesgo, diferentes rasgos complejos, múltiples conjuntos de datos GWAS, estudios de asociación amplios, MDS, pleiotropía
• Keywords:phenotypes, GPA, diseases, genetic relationships, common risk basis, different complex traits, multiple GWAS datasets, wide association studies, MDS, pleiotropy