一旦遗传变异与特异性复杂疾病相关,必须确认其受累和生物效应。鉴定的变体可能对蛋白质结构,基因表达和调节产生各种影响,或者根本可能对此产生任何影响。使用基因组,转录组和外形元素分析,与疾病有关的变体可以通过它们对差异表达的基因的功能作用,以阐明疾病机制和优先考虑基因和途径进行进一步研究。
差异表达分析用于识别和测量不同条件下基因表达的变化或响应于确定刺激。理解基因过度或用止损表型表达的基因是测定哪个基因和途径受到影响或可能涉及疾病的重要步骤。虽然阵列是第一种适用于大规模表达研究的技术,但它们在很大程度上被RNA测序(RNA-SEQ)作为新出现的最佳实践所取代。RNA-SEQ除了转录同种型,基因融合,剪接变体和其他特征之外,还提供了有关基因表达的信息,而不是在没有先前知识的限制。
差异基因表达分析的RNA- seq工作流程从RNA提取、文库准备和测序开始。数据分析包括reads的运行后处理、单个基因表达水平的估计、标准化和差异表达基因的鉴定)。以下方法可用于深入了解转录组及其在复杂疾病中的潜在作用:
表观遗传学是研究通过调节机制改变基因活性而不改变DNA序列的生物学机制。识别基因调控机制的状态,如染色质开放、甲基化或启动子和转录因子的结合,有助于深入了解基因在特定水平上表达的原因。除了正常生物学过程中的重要功能,表观遗传过程已经建立了与各种复杂疾病的联系,包括癌症、自身免疫性疾病、神经系统疾病和精神疾病。下面的方法是可用来获得洞察力的表观基因组和其潜在的作用在复杂的疾病。
全基因组测序是鉴定与复杂疾病相关的罕见变体的常用方法。它是唯一可以呼叫跨越基因组的常见和罕见变体的唯一方法,包括可能有助于疾病的结构变体。
CNVs是一种基因组改变,导致一个或多个基因的异常数量的拷贝,通常由结构重排引起。像SNPs一样,某些CNVs与疾病易感性有关。基于阵列的方法检测新生CNVs(不存在于或由任何双亲传输)提供了高效和可靠的大规模分析。阵列可用于描述基因组变异,如扩增、缺失、重排和杂合性的拷贝中性损失。然而,普通CNV的作用(结果)目前在很大程度上是未知的。
虽然基因分型阵列对大CNV检测有效,但对小CNV(< 50千碱基)的敏感性较低。NGS提供了碱基对分辨率,可以检测到阵列遗漏的小cnv。这对于复杂疾病的遗传缺失研究是有用的。高分辨率的测序和高通量的阵列提供了有效的全基因组询问选项来完成研究目标。
数量性状位点(QTL)是群体内与特定表型或性状相关的DNA区域。通常,qtl与具有连续方差的性状(如身高或肤色)相关,而与离散方差的性状(如头发或眼睛颜色)相关。QTL定位是一种统计分析方法,用来确定哪些分子标记导致某一性状的数量变化。由于单个位点可能包含许多变异,推断或全基因组测序是QTL作图的关键前提,从而能够准确地鉴定出贡献分子标记。qtl已经扩展到包括在基因型到表现型连续体中起不同水平作用的变异。
QTL分析是注释与疾病相关的变体的有效手段。通过了解变体的功能效果,它允许区分涉及疾病的变体,从与疾病相关的那些。通过利用不同的QTL分析,变体的分子相互作用网络以及它们影响的基因开始进入视野,并提供潜在基因和途径真正驾驶疾病的证据。这使得时间,资源和资金的投资能够在最有可能参与疾病的目标中。
结合广泛的Illumina基因分析分析的结果是一个强大的综合方法,复杂的问题。Illumina提供数据分析软件,支持数据集成,如基因分型与基因表达eQTL分析。
阅读技术报告表达数量性状位点(eQTL)是影响一个或多个基因表达的遗传变异。eQTL可以通过顺式(局部)或反式(在不同的染色体上)作用于其基因目标。eQTL定位需要对每个样本进行全基因组阵列或WGS分型和RNA-Seq表达分析。
甲基化数量性状位点(Methylation quantitative trait loci, meQTL)是影响DNA甲基化模式的遗传变异。meqtl可以影响扩展基因组区域的甲基化。meQTL定位需要全基因组基因分型和DNA甲基化分析阵列或测序。
染色质辅助性定量特性基因座(CAQTL)是影响核小体包装,定位和染色质可接近性的遗传变体。CAQTL映射需要通过诸如ATAC-SEQ或HI-C等方法通过阵列或WGS和染色质可访问性分析的基因组基因分型。
结合数量性状位点(bQTL)是影响转录因子结合的遗传变异。bQTL作图需要通过阵列或WGS和ChIP-Seq进行全基因组基因分型。