gwas - - - 综述 - 图文

裂症、风湿性关节炎等几十种威胁人类健康的常见疾病的GWAS结果，累计发表了近万篇论文，确定了一系列疾病发病的致病基因、相关基因、易感区域和SNP变异

[19]

。

GWAS采用的研究方式与传统的候选基因病例对照关联分析一致，即如果人群基因组中一些SNP与某种疾病相关联，理论上这些疾病相关SNP等位基因频率在某种疾病患者中应该高于未患病对照人群

[6]

。目前GWAS分为单阶段和两阶段或多阶段设计。

单基因阶段是选择足够的病例和对照样本，一次性在所有研究对象中对选中的SNP进行基因分型，然后分析每个SNP与疾病的关联，分别计算关联强度,在早期GWAS主要采取此类方法。目前GWAS研究主要采用两阶段或多阶段研究：在第一阶段用覆盖全基因组范围的SNP进行病例对照分析，统计分析后筛选出较少数量的阳性SNP进行第二阶段或随后的多阶段中采用更大样本的病例对照样本群进行基因分型，然后结合两阶段或多阶段的结果进行分析。这种设计需要保证第一阶段筛选与疾病相关的SNP的敏感性和特异性，尽量减少分析的假阳性与假阴性的发生，并在第二阶段应用大量样本人群，甚至在多种人群中进行基因分型验证。如下图;

GWAS流程示意图

虽然 GWAS结果在很大程度上增加了人们对人类疾病分子遗传机制的理解 ,但也显现出很大的局限性。首先 ,通过统计分析遗传因素和性状 /复杂性疾病的关系 ,确定与特定性状 /复杂性疾病关联的功能性位点存在一定难度。通过 GWAS发现的许多 SNP位点并不影响蛋白质中氨基酸 ,甚至许多SNP位点不在蛋白编码开放阅读框 ( open reading frame,ORF)内,这为解释 SNP位点与性状 /复杂性疾病产生之间的关系造成了一定的困难。但是 ,由于性状 /复杂性疾病很大程度上是由数量性状决定 ,SNP位点可能通过影响基因表达量对这些数量性状产生轻微的作用 (如胰岛素基因启动子中的遗传变

异增加 1型糖尿病风险 ),它们在 RNA的转录或翻译效率上发挥作用 ,可能在基因表达上产生短暂的或依赖时空的多种影响 ,刺激调节基因的转录表达或影响其 RNA剪接方式

[10]

。因此 ,研究者在找寻

疾病相关变异时 ,应同时注意到编码区和调控区位点变异的重要性。

其次 ,等位基因结构 (数量、类型、作用大小和易感性变异频率 )在不同性状 /疾病中可能具有不同特征。例如年龄依赖性黄斑变性 ,大部分这种常见疾病即由少数几个具有较大效应 (的常见遗传变异所致 ,而其它许多疾病如克罗恩病 ,虽然已发现多个遗传变异与该病相关 ,但是只有部分该病病例可用这些遗传变异进行解释(下图);又如 ,目前通过纳入上万人的 G WAS已发现至少有 40个 SNP位点与人类身高 (遗传度约为 80% )关联 ,但这些 SNP位点仅解释了约 5%的身高表型变异

[17]

。因此 ,大部分常见遗传变异可能通过单独或

联合作用轻度增加疾病发生风险,而这些变异仅可解释部分人群中因遗传引起的表型变异。

随着现代遗传学、 基因组学和医学研究的不断深入 ,我们对基因的认识也日趋深化。人类基因组计划初步完成后 , GWAS为研究人类性状 /复杂性疾病揭开了新的序幕。短短数年 ,通过 GWAS已经发现许多以前未知的与性状或疾病相关的位点和染色体区域 ,为了解人类复杂性疾病的分子发病机制提供了更多的线索。然而与最初的期望差距甚远的是 ,目前的 GWAS结果显得庞杂无序:一些 SNP仅与疾病危险因子或诱发因子有关而非直接与疾病关联;很多常见 SNP对阐明大多数性状或疾病遗传特征的作用似乎微乎其微;几乎所有已发现的 SNP仅轻度增加疾病风险 ,大多数疾病的遗传关联仍然难以解释;而应用 GWAS结果进行疾病的早期预测和个体化的治疗更非想象的那样简单

[13]

。但是,事物发展总是前进性和曲折性的统一 ,虽然目前

GWAS结果的临床意义很有限 ,但是这些研究仍然应该继续进行 ,而