利用单核苷酸多态性识别与疾病相关的途径

　　

   

   

图片:Saurabh Sinha(左)和Xiaoman Xie开发了VarSAn，利用单核苷酸多态性检测疾病途径。

伊利诺伊大学厄巴纳-香槟分校(University of Illinois urbana - champae)的研究人员开发了一种新的计算工具，可以利用单核苷酸多态性识别与疾病相关的途径，包括乳腺癌和前列腺癌。SNPs指的是一个人的DNA突变，是人类中最常见的遗传变异类型。研究人员希望该工具能帮助他们发现以前被忽视的新路径。

计算机科学教授、IGB计算基因组学主任Saurabh Sinha (BSD/CABBI/GNDP/GSP)说:“这项工作是梅奥大挑战的一部分，旨在提高我们对左心发育不全综合征的理解。”“这是一种罕见的儿童先天性心脏病，目前尚无治愈方法。我们在梅奥诊所(Mayo Clinic)的合作者对这些儿童及其父母的DNA进行了测序，我们在美国伊利诺伊大学香槟分校(UIUC)的同事也识别出了存在于儿童而非父母身上的突变。在那之后，我们开发了一种工具来分析数据，更好地了解疾病的路径。”

该工具名为VarSAn(变体集注释器，发音为“version”)，使用测序研究已确定的与疾病相关的SNPs，来预测哪些途径可能受到这些SNPs的干扰。此前，科学家们一直在研究一种疾病中显示出最强统计信号的snp。然后，他们进行实验，以检查每个SNP是否重要。

“我们正试图从计算的角度来解决这个问题。基因研究中确定的所有SNPs是否为我们指明了可能在文献中不知道的特定途径?”Sinha说。“底层的计算类似于谷歌使用算法识别搜索的正确网页。这些类型的算法适用于生物学，也可以理解遗传变异。此外，90%与疾病相关的突变发生在不编码蛋白质的DNA部分，使用这种方法将有助于未来的工作。”

通过两种不同的方法验证了VarSAn工具。“我们首先做了一个文献搜索，看看这些确定的途径是否与我们正在研究的疾病相关，”辛哈实验室的研究生谢晓曼(音译)说。“然而，这种类型的验证是主观的，所以我们也开发了一种客观的方法。”

第二种方法是基于测试VarSAn的研究结果的一致性。“如果我们有两项研究，确定与同一疾病相关的两组snp，算法应该理想地确定两组路径，也就是说，它应该是一致的。然而，如果该工具提供了两组与两种不同疾病相关的snp，那么它应该报告针对每种疾病的特定途径，而不是同一组途径，”谢说。

该团队现在正试图使VarSAn成为一个在线工具，研究人员可以粘贴SNPs列表，工具直接报告路径。“目前，如果用户想使用这个工具，他们必须下载存储库并自己运行代码，这可能很不方便。我们正在努力让它变得更容易，”谢说。

这项研究由梅奥诊所个体化医学中心、托德和凯伦·瓦内克左心畸形综合征项目以及美国国立卫生研究院资助。

“VarSAn: associating pathways with a set of genomic variants using network analysis” was published in Nucleic Acids Research and can be found at https://doi.org/10.1093/nar/gkab624.