Site Loader

Содержание

Релейный стабилизатор напряжения Volter СНПТО-7 р однофазный

Описание

ЧНПП Электромир — производитель стабилизаторов напряжения VOLTER. Отечественный производитель(г.Донецк) имеет опыт производства подобного оборудования более 15 лет.

TM VOLTER — стабилизаторы напряжения высшего качества и широкого спектра применения. На сегодняшний день проблема стабилизации напряжения в электрической сети становится всё более актуальной. Большинство наших бытовых приборов и электрооборудование, в своих конструкциях, содержат полупроводниковые элементы. Которые реагируют на даже незначительные перепады в электрической сети и в лучшем случае — срабатывает защита и бытовые приборы отключаются, а в худшем случае — они попросту сгорают. И если решить проблему стабилизации напряжения в электрической сети в глобальном масштабе не представляется возможным, то предлагаем решить её локально :

  •  для любых бытовых приборов;
  •  в квартире,  доме, на даче;
  •  в магазине, офисе, складе;
  •  для бытовой техники, промышленного и медицинского оборудования;
  •  и даже для мощной производственной линии и  атомных электростанций (аккредитовано)  — нам по-плечу!

ЧНПП Электромир, вот уже на протяжении 17 лет, занимается разработкой и производством стабилизаторов напряжения различной сферы применения. На сегодняшний день предприятие выпускает 108 моделей стабилизаторов напряжения различных модификаций мощностью от 2 до 200 кВт.


СНПТО — Стабилизатор Напряжения Переменного Тока Однофазный; 
СНПТО (р)  — Стабилизатор Напряжения Переменного Тока Однофазный Релейный;

СНПТТ — Стабилизатор Напряжения Переменного Тока Трехфазный.

В 2006 году, с целью защиты своей продукции от подделок, ЧНПП Электромир была зарегистрирована торговая марка ТМ Volter. Вся продукция, выпускаемая ЧНПП Электромир, проходит тщательный контроль качества и сертифицирована в Украине.

Стабилизаторы напряжения VOLTER рассчитаны на непрерывный круглосуточный режим работы. Имеет несложный и быстрый тип монтажа: подключаются с помощью клемм, сразу после счетчика. Для монтажа нескольких стабилизаторов сразу, имеется специальная монтажная подставка, поставляемая отдельно.


Видео обзор стабилизатора напряжения Volter:

Кроме СНПТО (Стабилизатор Напряжения Переменного Тока Однофазный)  и СНПТТ (Стабилизатор Напряжения Переменного Тока Трехфазный), аббревиатура названия стабилизаторов напряжения имеет еще дополнительные обозначения, которые расшифровываются следующим образом:

  • «р» – это три модели пяти ступенчатых релейных стабилизаторов напряжения VOLTER СНПТО-4р, -5,5р и -7р с диапазоном стабилизации от 145 до 285В, точностью +10 -10% и защитным отключением 285В.

Релейные стабилизаторы — это один из недорогих универсальных стабилизаторов напряжения. Схема работы релейных стабилизаторов основана на коммутации отводов автотрансформатора при помощи реле. Напряжение на выходе изменяется ступенчато. Применение новых материалов для контактных групп реле позволило увеличить количество коммутаций до 1000000. Это гарантирует их безотказную работу в течение 7 — 8 лет.

В релейных стабилизаторах напряжения Volter СНПТО (р) применяется специальная конструкция трансформатора, которая обеспечивает отсутствие провалов напряжения при переключении ступеней.

У модели Volter СНПТО (р) имеется жидкокристаллический дисплей, который помимо входного напряжения показывает выходное напряжение и силу тока.

Стабилизаторы напряжения Volter СНПТО-7 р имеют очень высокий показатель быстродействия — 30мс.  и следующие технические характеристики:

Диапазон входных напряжений, В145-285

Входная мощность, кВт, не более:

— максимальная

— при нижнем значении вх. напряжения

 

7,0

4,6

Номинальное выходное напряжение220
 Отклонение выходного напряжения от номинального, % не более±10
Защитное отключение при повышении входного напряжения, В285
Ток срабатывания автоматического выключателя, А32
Габариты (В, Ш, Г)360х420х150
масса кг, не более26
стоимость, грн4950


Гарантия на релейные стабилизаторы напряжения Вольтер составляет 3 года!
Если у Вас возникнут сложности с выбором модели стабилизатора напряжения, то наши квалифицированные менеджеры с удовольствием Вам в этом помогут. Вы можете связаться с ними любым удобным для Вас способом.

Интернет – магазин ХотКолд обеспечивает бесплатную доставку по всей Украине, работаем без предоплаты, оплата при получении товара. Выполняем электромонтаж стабилизаторов напряжения. Стабилизаторы напряжения VOLTER — максимальная защита вашего электрооборудования, высочайшая степень пожаробезопасности!

Выполняем профессиональный электромонтаж стабилизаторов напряжения различных типов на объекте у заказчика!

Доставка этого товара за счет магазина!

Главной особенностью нашего магазина является оперативная доставка, которая возможна, благодаря отправке с нашего склада. Отправка осуществляется ежедневно. Если Ваш заказ поступил в обработку до 16:00, то он будет отправлен сегодня же! Стоимость отправки Вы сможете уточнить на сайте выбранной Вами транспортной службы. А также, в этом Вам помогут наши менеджеры.

Мы осуществляем отправку следующими транспортными службами, на Ваш выбор:

О всех стадиях Вашего заказа, Вы будете уведомлены при помощи СМС сообщения. Вы всегда можете уточнить, где в данный момент Ваш заказ, позвонив по указанным на сайте телефонам.

Гарантия

Гарантия на стабилизатор напряжения VOLTER СНПТО-7 р составляет 12 месяцев и поддерживается сервисным(ми) центрами данного бренда. Уточнить, где находится ближайший к Вам сервисный центр, Вы сможете у наших консультантов. Для реализации Вашего права на гарантийный ремонт, Вам необходим гарантийный талон, который мы обязательно доставляем Вам в комплекте поставки.

Мы соблюдаем законодательство Украины, и обязательно даём покупателю право на возврат и обмен товаров в течении 14 дней.

Оплата

В нашем магазине, покупателю предоставляется любая удобная форма оплаты:

  • наличный расчет
  • безналичный расчет
  • оплата при получении товара на складе предприятия перевозчика
  • оплата платежной картой
  • рассрочка платежа*

СНПТО-7 Смарт GSM


Однофазный стабилизатор напряжения двойного преобразования мощностью 7 кВт с  удаленным управлением.

Флагманская модель СНПТО-7 Смарт GSM позволит Вам всецело почувствовать развитие технического прогресса. Встроенный GSM-модуль предоставит полный контроль над системой, где бы Вы не находились. Суммарная мощность потребителей, которые Вы сможете подключить к Смарту  — 7 кВт (входной ток 32 А).

Инверторные стабилизаторы выдают на выходе чистую синусоиду без помех, однако имеют промежуточный накопитель (аккумулятор или конденсатор), который периодически требуется  менять. В конструкции СНПТО-7 Смарт GSM этот проблемный элемент исключен.

 СНПТО-7 Смарт GSM работает по принципу инвертора, но без промежуточного накопителя

Стабилизатор моделирует выходное напряжение не из накопителя, а напрямую из сети. Точнее из источников с положительной и отрицательной вольтодобавкой, которые Смарт формирует налету.

Если напряжение в норме, СНПТО-7 Смарт GSM не вмешивается в сеть (работает транзитный канал). Если напряжение отклоняется, вмешательство стабилизатора происходит пропорционально отклонению. Данный подход снижает потери и Ваши расходы на электроэнергию существенно уменьшаются.

Чего нельзя сказать об обычных инверторах, которые используют старый подход, перемалывая энергию полностью и имея из-за этого большие потери и низкий КПД.

Время реакции Смарта составляет 0,03 мс. То есть за один период синусоиды он успевает подправить напряжение 600 раз (в 600 раз быстрее тиристорных стабилизаторов). Такая высокая скорость позволит Вам оградить дом от любых аномалий и помех, в том числе и от импульсных скачков.

GSM-модуль стабилизатора

Встроенный GSM-модуль позволит Вам управлять стабилизатором и получать данные дистанционно. У Вас будет возможность организовать связь с любого мобильного телефона, способного отправлять SMS-сообщения.

Используя удаленное управление, Вы сможете:

  • включать и выключать стабилизатор;
  • менять выходное напряжение;
  • посылать запрос о параметрах сети.

В передаваемых сообщениях стабилизатор:

  • информирует о режимах работы;
  • передает параметры сети;
  • сообщает о балансе СИМ-карты;
  • выдает коды журнала событий.

Пульт ДУ

СНПТО-7 Смарт GSM комплектуется пультом дистанционного управления, с которого Вам будет доступно полное управление стабилизатором. Для удобства Вы сможете добавить часто используемые команды в программируемые пульты музыкальных систем, домашних кинотеатров или умных домов (пульт использует стандартное ИК-излучение). 

Функции СНПТО-7 Смарт GSM

Скорость Смарта и его способность выравнивать синусоиду позволят Вам не только обеспечить работу техники,  но и создать комфортные условия для проживания и уменьшить расходы на электроэнергию.

СНПТО-7 Смарт GSM  убирает мерцание света


Благодаря высокой скорости и точности, СНПТО-7 Смарт устраняет самые быстрые скачки напряжения — свет в Вашем доме будет гореть ярко и не моргая. Стабилизатор способен обрабатывать скачки напряжения даже от электросварки.

Обработка внутренних аномалий («подкачка»)

Во время запуска двигателей, сеть не может справиться с их пусковыми токами. Это видно по освещению — оно притухает.  СНПТО-7 Смарт компенсирует это, не смотря на то, что источник аномалии находится внутри системы (по схеме после стабилизатора). 

В момент запуска мощных нагрузок, СНПТО-7 Смарт  восполняет нехватку  энергии методом «подкачки», мгновенно увеличивая ток синхронно с потреблением. Свет в Вашем доме больше не будет реагировать на пусковые токи двигателей (насосов, вентиляторов и подобного оборудования).

СНПТО-7 Смарт поддерживает работу светодиодных ламп

Светодиодные лампочки любят ровную синусоиду напряжения, но сами же ее искажают, так как являются импульсными потребителями. А если таких ламп у Вас  много, они начинают влиять сами на себя и от этого подмигивают.

Для устранения этой аномалии требуется восстановить синусоиду напряжения в сети по схеме после стабилизатора.  СНПТО-7 Смарт решает эту задачу методом адаптивной «подкачки» — увеличивает ток  в определенных точках синусоиды.

Благодаря СНПТО-7 Смарт, светодиодные лампы будут радовать Вас ровным насыщенным светом.

СНПТО-7 Смарт компенсирует реактивную энергию

Реактивная составляющая энергии возникает при работе двигателей.  При этом на остальные потребители поступает искаженная синусоида, заставляя греться источники питания Вашей техники.

СНПТО-7 Смарт компенсирует реактивную энергию. Стабилизатор мгновенно восстанавливает искаженную синусоиду, и Ваша техника получает только полезную энергию. Это уменьшит Ваши расходы на оплату электроэнергии.

Встроенные функции и модули СНПТО-7 Смарт

СНПТО-7 Смарт имеет встроенный переключатель «Транзита» (байпас), используя который при необходимости Вы сможете подключить нагрузки в обход стабилизации. Защита потребителей от скачков напряжения все равно останется, но будет уже реализована через  расцепитель.

На выходе стабилизатора СНПТО-7 Смарт установлена дублирующая защита. Если по какой то причине электроника не сможет справиться с аномалией, Ваша техника будет защищена механическим устройством.

При использовании

СНПТО-7 Смарт у Вас есть возможность изменить выходное напряжение. Вы сможете перестроить стабилизатор, например, на европейский стандарт (230 В), либо уменьшить напряжение, чтобы сократить потребление. Вы можете выбрать любое другое  значение  от 200 до 240  с дискретностью 1 Вольт.

СНПТО-7 Смарт снабжен блоком замера потребления. Для Вашего удобства отображение  производится в процентах от максимальной мощности стабилизатора. Наглядный мониторинг поможет Вам быстро оценить ситуацию и  принять меры к устранению перегрузки еще до ее возникновения.

В СНПТО-7 Смарт встроена электронная защита от перегрузок. Если мощность потребителей будет превышена на 30%, процессор подает сигнал на расцепитель и отключает стабилизатор. В отличие от простого автомата, электроника срабатывает намного быстрее, и обеспечивает лучшую защиту Вашего дома и самого стабилизатора.

Программа СНПТО-7 Смарт дополнена новым алгоритмом запуска. При включении стабилизатора, питание на нагрузки подается не сразу, а через несколько секунд. А в момент самой подачи, напряжение поступает  быстрым нарастанием, а не резким скачком. Новый алгоритм исключает срабатывание автоматов от пусковых токов нагрузок. 


Установка и управление СНПТО-7 Смарт GSM

Вы можете установить стабилизатор, как на стену, так и на твердую горизонтальную поверхность. Стабилизатор не имеет вентиляционных отверстий на лицевой и торцевых панелях — внутренние модули полностью изолированы и не будут представлять опасность для Вашего помещения и расположенных в нем вещей. 

Для защиты стены организован противопожарный зазор, а вентиляционные каналы стабилизатора снабжены системой защитных перегородок.

Подключение производится через клеммную колодку. Провода должны быть рассчитаны на ток до 32 А.  Проводники рекомендуется выбирать с запасом, для СНПТО-7 их оптимальное сечение — 6 кв. мм.

Для установки в неотапливаемое помещение выбирайте опцию «мороз» — тогда плата Вашего стабилизатора будет защищена  от конденсата специальным лаком.

Для удаленного управления прибор необходимо подключить к оператору местной сотовой сети. Для этого достаточно вставить в слот стабилизатора работающую СИМ-карту, тарифный план которой позволяет принимать и передавать SMS-сообщения. Руководствуясь инструкцией GSM-модуля, пропишите номер управляющего телефона в память, и стабилизатор сразу выйдет на связь. 

Управление стабилизатором происходит посредством передачи SMS-команд. Обратную информацию Смарт передает в ответных SMS.

паспорт СНПТО-7 Смарт

инструкция GSM-модуля

пожизненная гарантия (талон)

сертификат


Стабилизатор напряжения Volter СНПТО-7 пт — Voltmag

Диапазон стабилизации 150-245В.

Стабилизатор напряжения Volter СНПТО-7 пт является моделью с диапазоном стабилизации 150-245В, что для большинства объектов достаточно. Стабилизатор имеет 16 ступеней регулирования, и достаточно комфортное отклонение выходного напряжения +2% -3%. Защитное отключение срабатывает на отметке 260 вольт. 

 

Точность выходного напряжения

Шаг регулировки составляет ±6В (220±3%). Это достаточно комфортное отклонение выходного напряжения, как для осветительных приборов, так и для любых электрических потребителей.

 

Силовые ключи – симисторы

В качестве силовых ключей используются высококачественные симисторы, благодаря которым достигается максимальное быстродействие регулировки и долгий срок эксплуатации.  Volter СНПТО-7 пт использует 16 ступеней регулировки.

 

Отсутствие искажения выходного напряжения

Переключение силовых ключей происходит в момент перехода фазы через ноль, благодаря этому отсутствует какое-либо искажение формы напряжения.

 

 

 

Номинальная мощность 7 кВт

Номинальна мощность стабилизатора напряжения Volter СНПТО-7 пт указана при значении входного напряжения 220 В. При понижении входного напряжения, соответственно понижается мощность аппарата. Ниже приведена диаграмма зависимости мощности от входного напряжения.

 

 

 

Дисплей

Для удобства пользователя стабилизатор напряжения Volter СНПТО-7 пт снабжен  дисплеем, который отображает информацию о напряжении на входе/выходе, уровень нагрузки и код ошибки, в случае срабатывания защиты.

 

Возможность самостоятельного изменения выходного напряжения

Для самостоятельного изменения среднего выходного напряжения стабилизатора предусмотрены две кнопки на лицевой панели справа от жидкокристаллического индикатора.

 

Защита от перепадов напряжения в режиме “Транзит”

 В стабилизаторе предусмотрен режим “Транзит” (если нет необходимости регулировки напряжения), в котором предусмотрена защита от перенапряжения свыше 260 В.

 

Корпус стабилизатора

Конструктивно стабилизатор выполнен в металлическом корпусе, который позволяет эксплуатировать его в настольном и настенном вариантах. Все функциональные узлы расположены на задней стенке, закрытой не разборной лицевой панелью. 

                                                              


Самостоятельное подключение на гарантию не влияет. 

На самом деле подключить стабилизатор напряжения проще простого. Необходимы лишь элементарные знания электротехники, не хитрый инструмент и немного смелости и желания. Всю необходимую информацию по подключению можно найти в паспорте, который прилагается в комплекте.  Если у Вас нет такого желания, то наши специалисты быстро и качественно сделают это сами, просто позвоните нам.

 

Схема подключения стабилизатора

 

 

Мощность, кВт

7

Диапазон стабилизации, В

150-245

Выходное напряжение, В

220

Количество ступеней регулировки

16

Отклонение выходного напряжения, %

3

Силовые ключи

Симисторы

Защитное отключение при повышении входного напр. В

260

Защитное отключение в режиме “транзит”, В

260

Ток срабатывания автоматического выключателя, А

32

Охлаждение

Естественное

Способ монтажа

навесной / напольный

Габариты, мм (высота x ширина x глубина)

350*420*160

Масса, кг, не более

26.1

Гарантийный срок, мес.

60

Стабилизатор напряжения Volter СНПТО-7 С – купите по выгодной цене.

Стабилизатор напряжения Volter СНПТО-7 С

Стабилизатор напряжения Volter СНПТО-7 С  применяется в однофазных электросетях переменного тока. Аппарат предназначен для устранения колебаний напряжения и обеспечения подключенным потребителям качественного электропитания. Устройство работает с нагрузкой до 7 кВт (8,8 кВА). Электроприбор обеспечивает нивелирование выходного напряжения до 220 В -6.5% +6.5%  при его отклонениях на входе в диапазоне 125-265 В. Если входное напряжение имеет слишком высокое значение, срабатывает защита и устройство отключает потребительскую сеть от питания. Рабочее состояние стабилизатора восстанавливается без внешнего вмешательства, при возвращении напряжения на входе в допустимые пределы. Уровень срабатывания защиты — 285 В. Volter СНПТО-7 С относится к классу экономичных электроприборов, его потребление транзитной электроэнергии равно 2 % (КПД — 98 %). Стабилизатор оснащен защитой от перегрева, токов короткого замыкания и превышения нагрузки. Класс защиты устройства — IP20.

Стабилизаторы напряжения Volter рекомендованы к использованию в потребительских электросетях квартир, частных домов, коттеджей, офисов, учреждений и предприятий.

Принцип функционирования агрегата основан на ступенчатом регулировании напряжения. Осуществляется данное регулирование за счет использования в электрической схеме устройства автотрансформатора с определенным количеством отводов обмотки и силовых электронных ключей (симисторов). Контроль входного напряжения и управление работой симисторов выполняет микропроцессорный блок. При отклонении напряжения на входе от номинала контроллер отдает команду на симисторы, которые перекоммутируют силовую цепь аппарата, тем самым стабилизируя (поднимая или уменьшая) напряжение на выходе до необходимого значения.

Volter СНПТО-7 С монтируется в металлическом корпусе габаритами 350×420×160 мм. Стабилизатор разрешается размещать на вертикальной стене или же на любой горизонтальной поверхности (не токопроводящей). На передней панели корпуса размещены светодиодные индикаторы уровня входного напряжения и автоматические выключатели. Питающая сеть подключается к прибору через клеммные колодки. Потребительская сеть также подключается через клеммы, но кроме этого предусмотрена выходная розетка, расположенная на верхней стороне корпуса. Вентиляция аппарата — естественная. Вес агрегата — 25 кг.

Электроприбор разрешен к эксплуатации при температуре от -40 до +40 °C, влажность не должна превышать 80 %. Гарантийный срок службы — 5 лет.

Стабилизатор напряжения Volter СНПТО 7 птс

Характеристики стабилизатора напряжения Volter СНПТО 7,0 птс

Производитель:Volter (Украина)
Тип стабилизации:симисторный
Количество фаз:однофазные
мощность: 7,0 кВт
Нижний порог входного напряжения:  136 В
Верхний порог входного напряжения: 278 В
Выходное напряжение: 220 В +/- 2,5%
Диапазон стабилизации:146 В — 262 В
Степени регулирования:16
Рабочая частота:45 Гц — 55 Гц
Максимальный ток:40 А
охлаждение:Вентилятор
Индикация:табло электронное
Степень защиты:IP20
Способ подключения:Клеммная колодка
Коэф. полезного действия95%
Материал корпуса:металлический
исполнение:Настенный, напольный
Высота: 
420мм
Ширина: 350 мм
глубина: 190 мм
гарантия:60 мес
Вес, не более:26,1 кг

Полупроводниковый стабилизатор напряжения, который представляет собой специальное устройство для нормализации напряжения. Серия стабилизаторов напряжения СНПТО-птс повышенной точности — это устройства, отличающиеся низкими показателями отклонения напряжения. Они могут применяться как в частном секторе, так и для промышленных объектов. Стабилизаторы комплектуются дисплеем на жидких кристаллах для индикации вх. и Исх. напряжения. Имеют защиту от перенапряжения, от кратковременных исчезновений электроэнергии (задержка на включение после кратковременного исчезновения питания защищает импульсные блоки питания дорогого оборудования: плазменные телевизоры, компьютеры).
Стабилизатор Volter СНПТО-птс обеспечивает:

Серия стабилизаторов напряжения СНПТО-птс точности со смещенным вверх диапазоном входных напряжений — это устройства, отличающиеся низкими показателями отклонения напряжения. Они могут применяться как в частном секторе, так и для промышленных объектов. Стабилизаторы комплектуются дисплеем на жидких кристаллах для индикации вх. и Исх. напряжения. Имеют защиту от перенапряжения, от кратковременных исчезновений электроэнергии (задержка на включение после кратковременного исчезновения питания защищает импульсные блоки питания дорогостоящего оборудования.
Стабилизатор Volter СНПТО-птс обеспечивает:
стабилизацию выходного напряжения на уровне 220 В + 2% -3% при изменении входного напряжения от 170 до 265 в частотой 50 ± 2,5 Гц.
Работу во всем диапазоне нагрузок.
Защитное отключение потребителей при повышении входного напряжения более 285 В с последующим автоматическим подключением нагрузки при снижении входного напряжения до рабочего уровня.
Защита от короткого замыкания и длительной перегрузки на выходе.
Нормированное (4,5-7,5 с) отключение потребителей при кратковременном исчезновении питающей сети (исключает повреждение импульсных источников питания потребителей).
Время реагирования на изменение входного напряжения составляет 20 мс.
Стабилизатор рассчитан на непрерывный круглосуточный режим работы в закрытых отапливаемых помещениях при:
температуре окружающей среды от 1 до 40 ° С
относительной влажности от 40 до 80% (при 25 ± 10 ° С).
Атмосферном давлении от 630 до 800 мм рт.ст.
Стабилизаторы СНПТО-птс выполнены по схеме автотрансформатора в корпусе с жидкокристаллическим экраном и не имеют гальванической развязки. Они характеризуются наличием 16 ступеней регулирования напряжения — с диапазоном входного напряжения 170-265 В, шаг регулирования составляет 5 В.
Эта модель характеризуется высокой прочностью и функциональными характеристиками. Она предназначена для использования в быту, обеспечения корректной работы электроприборов: холодильников, стиральных машин, газовых котлов и других бытовых приборов. Подключается с помощью клеммника, в разрыв фазы на вводе, сразу после счетчика.

Product Details
Количество платежей для Оплаты частями6
Количество ступеней регулирования16
Применениедля дома; для дачи; для квартиры; для оборудования; для сварочного апарата
ПроизводительVolter
ВыполнениеНавесные; Наземные
Степень защитыIP20
Минимальное входное напряжение170 V
Максимальное входное напряжение265 V
Мощность на фазу, кВт.6,1 — 8,0
Cтоимость, грн.18 100 — 21 000
Гарантийный срок5
Погрешность стабилизации3%
количество фаз1
Тип стабилизацииСимисторные
Выбор серии VolterVolter птс
Дополнительно

Volter СНПТО 7 птсш — Стабилизаторы напряжения

Однофазный стабилизатор напряженияVolter СНПТО-7 птсш применяется для коррекции напряжения в бытовых и промышленных сетях электроснабжения с номинальным напряжением 220 В и частотой 50 Гц. Модель СНПТО-птсш с широким смещенным верх диапазоном входных напряжений, представляет собой устройства, отличающиеся низкими показателями отклонения напряжения. Они могут применяться как в частном секторе, так и для промышленных объектов. Стабилизаторы комплектуются дисплеем на жидких кристаллах для индикации Вх. и Вых. напряжения. Имеют защиту от перенапряжения, от кратковременных пропаданий электроэнергии (задержка на включение после кратковременного пропадания питания защищает импульсные блоки питания догостоящего оборудования: плазменные телевизоры, компьютеры).

Стабилизатор предназначен на непрерывный круглосуточный режим работы в закрытых отапливаемых помещениях при:

  • Температуре окружающей среды от 1 до 40°С.

  • Относительной влажности от 40 до 80% (при 25±10°С).

  • Атмосферном давлении от 630 до 800 мм рт.ст.

Стабилизаторы СНПТО-птсш выполнены по схеме автотрансформатора в корпусе со светодиодной индикацией и не имеют гальванической развязки. Они характеризуются наличием 16 ступеней регулирования напряжения — с диапазоном входного напряжения 145-285 В.

Эта модель характеризуется высокой прочностью и функциональными характеристиками. Мы предлагаем ее для стабилизации напряжения в частных домах, квартирах, офисах и т.д. Подключается с помощью клеммника, в разрыв фазы на вводе, сразу после счетчика.

Стабилизаторы напряжения выпускаются нестандартного напряжения электрической сети различных типов:

  • CНОПT — нормализаторы напряжения электрической сети (1 фаза, шестнадцати ступенчатая регулировка, самая высокая точность стабилизации — 220±7Bольт).
  • CНTПT — нормализаторы напряжения (3 фазы, шестнадцати ступенчатая регулировка, самая высокая точность 380±7Bольт).
  • CНОПT(Ш) — нормализаторы напряжения, 1 фаза , самая высокая точность, с широким диапазоном входных напряжений — 80÷304B, точность — 220±14Bольт, шестнадцати ступенчатая регулировка.
  • CНTПT(Ш) — нормализаторы напряжения, 3 фазы, самая высокая точность, с широким диапазоном входных напряжений — 252÷453, точность — 380±14Bольт, шестнадцати ступенчатая регулировка.
  • CНОПT(IP56) — — нормализаторы напряжения, 1 фаза, самая высокая точность в пылевлагозащитном корпусе 220±7Bольт, шестнадцати ступенчатая регулировка.
  • CНTПT(IP56) -нормализаторы напряжения, 3 фазы, повышенной точности в пылевлагозащитном корпусе 380±7Bольт, шестнадцати ступенчатая регулировка.

Подробно про стабилизаторы Volter — VINUR

В нашей стране невозможно представить работу бытовой техники и другого оборудования, если наблюдаются скачки напряжения. Поэтому специалисты компании VINUR предлагают купить стабилизатор напряжения, который обеспечит нормальную работу любой бытовой техники и оборудования. Поскольку данное оборудование работает в автоматическом и круглосуточном режиме, оно должно обладать хорошей надежностью и защитой от неприятностей в электрической сети. Поэтому мы готовы рекомендовать вам купить стабилизатор напряжения для дома Volter оптимальной мощности, который сможет работать в диапазоне напряжения 130 В — 270 В.

В каталоге нашей компании вы можете увидеть более 50 моделей стабилизаторов Вольтер различной мощности и типа. Это как однофазное, так трехфазное электрооборудование, которое в свою очередь разделяется на релейные, симисторные и электронные стабилизаторы напряжения.

По мощности можно выбрать устройства от 1 кВт и более 200 кВт. Это позволяет обеспечить стабильным напряжением не только квартиру или частный дом, но и промышленные объекты.

Поскольку эти стабилизаторы напряжения бытовые, то они имеют небольшие размеры и массу. Бытовые стабилизаторы напряжения предназначены для использования в домашних условиях. Они не используются со сверхчувствительным лабораторным оборудованием и другими электронными системами. При выборе данного оборудования обращают внимание на мощность, рабочий диапазон напряжения, а также время и точность стабилизации. Высокую точность стабилизации можно получить при помощи использования ступенчатых регулировок напряжения, которые выполняются в автоматическом режиме. Ниже мы нарисовали электрическую схему стабилизатора, который имеет 7 ступеней регулировок.

Бытовые устройства для стабилизации напряжения выпускаются в корпусе и имеют световые или электронные индикаторы, которые позволяют контролировать различные показатели напряжения и работы самого оборудования. Схема сборки по принципу автотрансформатора.

Модельный ряд стабилизаторов напряжения СНПТО может иметь разный диапазон рабочих напряжений и шаг регулировки напряжения. В зависимости от маркировки модели (последние цифры и буквы) устройства имеют следующие параметры:

  • 2(У) — диапазон рабочего напряжения 150-260В, шаг регулировки 15В.
  • 2(Ш) — диапазон 130-270В, шаг 20В.
  • 2(ПТ) — диапазон 150-245В, шаг 5В.

Как вы видите, стабилизаторы напряжения бытовые могут работать при разных значениях входного напряжения и обеспечивать разную точность регулировки. Также к бытовым устройствам можно отнести стабилизаторы, которые предназначены для различной бытовой техники и оборудования — газовых котлов, систем отопления, насосных станций.

Однофазные стабилизаторы напряжения для дома

Отдельной категорией мы выделим стационарные однофазные стабилизаторы напряжения, которые используются для обеспечения нормальных условий работы всех потребителей в доме. Данное электрооборудование может иметь разное количество ступеней регулировки: 7, 16, 36. Оно представляет собой автотрансформатор с выводами на силовые симисторные ключи, которые управляются электронным контролером. Контролер стабилизатора напряжения предназначен для сопоставления показателей входного напряжения и его изменения на силовых ключах, а также для поддержания точного напряжения на выходе путем внесения корректировок в работу устройства. Стабилизатор не может вносить искажения в синусоиду тока и изменять его на входе в устройство.

Стабилизаторы напряжения для дома эксплуатируются круглосуточно, поэтому должны иметь большой запас прочности и надежности. Но, как и любое электрооборудование, они имеют требования к условиям их эксплуатации:

  • Температура окружающей среды должна быть 1°С — 40°С.
  • Относительная влажность воздуха должна находиться в диапазоне 40% — 80% при температуре воздуха 15°С — 35°С.
  • Помещение должно иметь хорошую вентиляцию, быть сухим и теплым.

Также под заказ может быть изготовлен стабилизатор напряжения, который можно использовать при низких температурах и повышенной влажности.

Если у вас возникли вопросы по выбору стабилизаторов напряжения для дома, тогда вы можете задать их нашим экспертам по телефонам (044) 33-11-90, +38 (067) 218-85-71.

Схематическое изображение процесса картирования SNP и пути. (i) Гены …

Контекст 1

… только, поскольку вариации в уровнях липидов между случаями и контролями могут быть больше, чем вариации в пределах одного контроля. Использование в нашем анализе как случаев, так и средств контроля может привести к ошибочному анализу, в котором любые ассоциации могут быть связаны со статусом СД2 или каким-либо другим ложным фактором. Полное исследование стратификации населения для набора данных SP2 было выполнено для исходного исследования GWAS с использованием PCA с 4 панелями из Международного проекта Hapmap и Сингапурского проекта изменения генома, чтобы гарантировать, что этот набор данных содержит только этнических китайцев [52–54].Набор данных SiMES включает этнических малайцев и демонстрирует некоторые доказательства загадочного родства между выборками. По этой причине первые два основных компонента PCA для структуры населения используются в качестве ковариат в нашем анализе этого набора данных. Опять же, полную информацию о стратификационном анализе можно найти в [52] и связанной с ним дополнительной информации. Сводная информация, относящаяся к генотипам для каждого набора данных, как до, так и после вменения и картирования путей, представлена ​​в таблице 3 вместе со списком фенотипов и ковариат.После первого раунда контроля качества генотипы для обоих наборов данных имеют максимальное отсутствие SNP 5%. Поскольку наш метод не может обрабатывать пропущенные значения, мы выполняем вменение SNP «недостающих дыр», чтобы все недостающие вызовы SNP оценивались по контрольной панели известных гаплотипов. Вменение SNP происходит в два этапа. Во-первых, вменение требует точной оценки гаплотипов из диплоидных генотипов (фазирование). Это выполняется с помощью SHAPEIT v1 (. Shapeit.fr). При этом используется скрытая марковская модель для вывода гаплотипов из выборочных генотипов с использованием карты известных скоростей рекомбинации в геноме [55].Карта рекомбинации должна соответствовать координатам генотипа в наборе данных для вменения, поэтому мы используем данные рекомбинации из фазы II HapMap, соответствующие построению генома NCBI b36 (downloads / Recombination / 2008-03_rel22_B36 /). После этапа первичной фазы вменение SNP выполняется с использованием IMPUTE v2.2.2 (impute_v2.html). IMPUTE использует контрольную панель известных гаплотипов для вывода ненаблюдаемых генотипов, учитывая набор наблюдаемых гаплотипов выборки [56]. В последней версии (IMPUTE 2) используется обновленный, эффективный алгоритм, так что настраиваемая справочная панель может использоваться для каждого гаплотипа исследования и для каждой области генома, что позволяет использовать полный спектр справочной информации, предоставляемой HapMap3 [57] для использоваться.Следуя рекомендациям IMPUTE 2, мы используем справочные данные HapMap3, соответствующие NCBI b36 (http: // mathgen.stats.ox.ac.uk/impute/data_download_hapmap3_r2.html), которые включают данные о гаплотипах для 1011 человек из Африки, Азии, Европы и других стран. Америка. SNP вменяются в блоки по 5 МБ с использованием эффективного размера популяции (Ne) 15000 и буфера 250 КБ, чтобы избежать краевых эффектов, опять же, как рекомендуется для IMPUTE 2. Пути. Методы GWAS основаны на предварительной информации, отображающей SNP в функциональные сети или пути. .Поскольку пути обычно определяются как группы взаимодействующих генов, картирование SNP к пути представляет собой двухэтапный процесс, требующий отображения генов на пути и SNP на гены. Однако последовательная стратегия для этого процесса картирования еще не создана, ситуация усугубляется отсутствием согласия о том, что в первую очередь составляет путь [58]. Количество и размер баз данных, посвященных классификации генов по путям, быстро растет, равно как и диапазон и разнообразие рассматриваемых взаимодействий генов (см., Например.org /). Базы данных, например, предоставленные KEGG (.genome.jp/kegg/pathway.html), Reactome (. Org /) и Biocarta (классифицируют пути по ряду функциональных доменов, например, апоптоз, клеточная адгезия или метаболизм липидов; или кристаллизуют текущие знания о сетях молекулярных реакций, связанных с конкретными заболеваниями. Стратегии сборки базы данных о путях варьируются от полностью автоматизированного подхода к интеллектуальному анализу текста до тщательного изучения экспертами. Поэтому неизбежно существуют значительные различия между базами данных с точки зрения обоих генов. охват и согласованность [59], так что выбор баз данных сам будет влиять на результаты в путях GWAS.Сопоставление SNP с генами добавляет дополнительный уровень сложности, поскольку, хотя многие SNP могут встречаться в пределах границ генов, в типичном массиве GWAS подавляющее большинство SNP будет находиться в межгенных областях. В попытке включить варианты, потенциально находящиеся в функционально значимых регионах, лежащих за пределами границ генов, SNP могут быть сопоставлены с соседними генами с использованием различных пороговых значений расстояния. В литературе были предложены различные значения расстояний картирования SNP до генов, измеряемые в тысячах пар нуклеотидных оснований (kb), от картирования SNP до генов, только если они попадают в конкретный ген, до попытки охватить вышестоящие промоторы и энхансеры, расширяя диапазон до 10, 20 или даже 500 т.п.н. и выше [18,39,58].Этот процесс схематически проиллюстрирован на рисунке 8. Примечательные особенности процесса картирования SNP в пути включают тот факт, что гены (и, следовательно, SNP) могут отображаться более чем на один путь, а также то, что многие SNP и гены в настоящее время не отображаются ни с одним из известных путь [7]. После вменения SNP для обоих наборов данных в настоящем исследовании сопоставляются с каноническими путями KEGG из базы данных MSigDB (index.jsp). SNP сопоставляются со всеми генами + 10 kb, выше или ниже рассматриваемого SNP.Мы исключаем самый большой путь KEGG (по количеству картированных SNP) «Пути в раке», поскольку он очень избыточен, поскольку содержит несколько других путей в качестве подмножеств. Подробная информация о процессе картирования путей представлена ​​на рисунках 9 и 10. Обратите внимание, что существует разница в количестве SNP, доступных для картирования путей между двумя наборами данных, и это приводит к небольшому расхождению в общем количестве картированных генов ( SP2: 4734 картированных гена; SiMES: 4751). Однако оба набора данных отображают все 185 путей KEGG, и подавляющее большинство картированных генов и SNP перекрывают оба набора данных.Подробная информация о процессе картирования путей для двух наборов данных представлена ​​в таблице 4. Этическое заявление, охватывающее наборы данных SP2 и SiMES, используемые в этом исследовании, можно найти в [52]. Мы выполняем управляемый путями отбор SNP для наборов данных SP2 и SiMES независимо с использованием SGL и объединяем это с процедурой подвыборки, описанной ранее, чтобы выделить пути и гены, связанные с вариациями уровней HDLC. Мы представляем результаты для каждого набора данных отдельно, а затем сравниваем результаты для обоих наборов данных.Для набора данных SP2 мы рассматриваем два отдельных сценария для параметров регуляризации l и a. Для двух сценариев мы устанавливаем параметр разреженности l ~ 0: 95 l max, но рассматриваем два значения для a, а именно a ~ 0: 95,0: 85. Мы тестируем каждый сценарий на 1000 N = 2 подвыборках. Мы также сравниваем полученные пути и распределения частоты выбора SNP с нулевыми распределениями, снова более 1000 N = 2 подвыборок, но с переставленными метками фенотипа, так что ни один SNP не может влиять на фенотип. Параметр a контролирует, как штраф за регуляризацию распределяется между нормами ‘2 (путь) и‘ 1 (SNP) вектора коэффициентов.Таким образом, каждый сценарий влечет за собой разное количество выбранных путей и SNP, и эта информация представлена ​​в таблице 5. Сравнение эмпирических и нулевых распределений частот выбора пути для каждого сценария представлено на рисунке 11. Такие же сравнения частот выбора SNP представлены на рисунке. 12. На этих графиках нулевые распределения (окрашены синим цветом) упорядочены по оси x в соответствии с их соответствующими ранжированными эмпирическими частотами отбора (отмечены красным). Это помогает визуализировать любые потенциальные предубеждения, которые могут влиять на выбор переменных.Чтобы интерпретировать эти результаты, мы начнем с того, что отметим из Таблицы 5, что гораздо больше SNP выбирается с ~ 0: 85, что приводит к более высокой частоте выбора SNP по сравнению с теми, которые получены с ~ 0: 95 (см. Рисунок 12). Это ожидаемо, поскольку более низкое значение a означает уменьшение штрафа «1» для вектора коэффициентов SNP, что приводит к выбору большего количества SNP. Возможно, это удивительно, учитывая, что групповой штраф 2 (1 {a) l увеличивается, количество выбранных путей также больше. Это должно отражать уменьшенный штраф «1», который позволяет большему количеству SNP вносить вклад в вектор коэффициентов предполагаемого выбранного пути.Это, в свою очередь, увеличивает количество путей, которые проходят порог отбора. Это поднимает вопрос о том, что можно считать оптимальным выбором для параметра регуляризации-распределения a, поскольку различные предположения о количестве SNP, потенциально влияющих на фенотип, могут влиять на результирующий путь и ранжирование SNP. Чтобы ответить на этот вопрос, мы обращаем наше внимание на распределение частоты выбора пути и SNP для каждого значения a на рисунках 11 и 12. При нижнем значении a ~ 0: 85 (верхние графики на рисунках 11 и 12) эмпирический путь и SNP Распределения частоты отбора, по-видимому, смещены в том смысле, что есть предположение, что пути и SNP с наивысшими эмпирическими частотами отбора также имеют тенденцию выбираться с более высокой частотой под нулем, где нет связи между генотипом и фенотипом.Эта взаимосвязь, по-видимому, уменьшается с ~ 0: 95, когда модель выбирает меньше SNP. Мы исследуем это дополнительно, построив эмпирическую и нулевую частоты выбора в виде последовательности диаграмм разброса на рисунке 13, и мы приводим коэффициенты корреляции Пирсона и p-значения для них в таблице 6. Они предоставляют дополнительные доказательства повышенной корреляции между эмпирическим и нулевым выбором. частотные распределения при более низком значении как для путей, так и для SNP, что снова указывает на повышенную систематическую ошибку в эмпирических результатах в том смысле, что определенные пути и SNP имеют тенденцию выбираться с более высокой частотой, независимо от того, являются ли они…

Ассоциации делеции CFHR1 – CFHR3 и SNP CFH с возрастной дегенерацией желтого пятна не являются независимыми

Hughes et al. 1 предположил, что общая делеция генов CFHR1 и CFHR3 ( CFHR1 3 Δ) связана с более низким риском возрастной дегенерации желтого пятна (AMD), и что эффект не зависит от этого ранее описанного аллеля Y402H (rs1061170) в соседнем гене CFH 2 .Другие воспроизвели ассоциацию CFHR1 3 Δ 3,4 , и это стимулировало дальнейшие исследования функции генного семейства CFHR 5 . В дополнение к варианту кодирования Y402H мы и другие описали второй независимый аллель CFH , маркированный интронным SNP rs1410996 6,7 .

Так как CFH CFHR1 CFHR3 геномная область, содержащая оба этих SNP риска, и CFHR1 3 Δ имеет сильное неравновесное сцепление (см. Дополнительный рис.1) с общими гаплотипами, распространяющимися по всему региону 4 , мы стремились понять взаимосвязь между этими ассоциациями AMD в большой коллекции образцов. Эта проблема потенциально актуальна для атипичного гемолитико-уремического синдрома (MIM235400), который также был отдельно сцеплен с аллелями CFH и CFHR1 3 Δ ( ref. 8 ).

Мы генотипировали CFHR1 3 Δ и 20 общих SNP в области CFH и CFHR1 CFHR3 у 711 лиц с нарушением зрения на поздней стадии AMD AMD и 1041 контрольной группы (см. Дополнительные методы) с помощью Affymetrix 6.0 микросхема 9 . Это генотипирование включало SNP rs10801555, близкий прокси для Y402H ( r 2 = 0,99 в подмножестве 288 генотипированных контролей), расположенный на расстоянии 1 kb, а также SNP rs10737680, идеальный прокси для аллеля rs1410996. ( r 2 = 1 в Centre d’Etude du Polymorphisme Humain (CEU) HapMap), расположенный на расстоянии 17,5 т.п.н. в девятом интроне CFH . CFHR1 3 Частоты Δ у пораженных и здоровых людей были аналогичны таковым у Hughes et al. 1 и тесно коррелировал с SNP rs7542235 ( r 2 = 0,98).

Сначала мы протестировали каждый из 21 маркера по отдельности (и дополнительную таблицу 1). Мы воспроизвели ассоциации по аллелю CFH Y402H ( P = 1,5 × 10 −39 при rs10801555) и аллелю CFH rs10737680 ( P = 1,8 — 10 −37 ). Мы наблюдали более скромные свидетельства ассоциации CFHR1 3 Δ ( P = 7.0 × 10 −23 ), с частотой 22% у пораженных людей по сравнению с 10% в контроле.

Генетика региона CFH CFHR1 CFHR3 . Статистические результаты 20 маркеров SNP и общего полиморфизма числа копий CFHR1 CFHR3 . ( a ) Тесты с одним маркером. Для каждого отдельного маркера мы наносим на график статистическую силу ассоциации как функцию его геномного положения в регионе. Фиолетовый, ранее описанные ассоциации SNP.( b ) Семь гаплотипов с частотами> 1%. h2 представлен как эталонный гаплотип. Если генотипы для SNP в других гаплотипах такие же, как в h2, то они заштрихованы синим цветом; если генотипы для SNP отличаются от h2, они закрашиваются белым цветом. Для каждого гаплотипа мы перечисляем нуклеотид для прокси CFH Y402H rs10801555 и для CFH rs10737680, а также статус делеции области CFHR1 CFHR3 : пустой кружок, удален; закрашенный кружок, не удален.Есть два других интересных SNP: rs7542235, SNP, который маркирует удаление CFHR1 CFHR3 ; и rs800292, несинонимичный аллель CFH (I62V). Справа от каждого гаплотипа — наблюдаемая частота у контрольных и затронутых лиц. Справа от каждого гаплотипа находится относительное отношение вероятности заболевания для каждого гаплотипа к таковому для наиболее распространенного гаплотипа, h2 .

Во-вторых, потому что Y402H (rs10801555), rs10737680 и CFHR1 3 Δ находятся в неравновесном сцеплении (LD) (D ‘≥ 0.99), мы использовали условную логистическую регрессию, чтобы оценить, связаны ли они с независимым риском (). Одномерный анализ продемонстрировал значительную связь с заболеванием для каждого маркера. Когда мы кондиционировали только Y402H, присутствовал эффект Δ CFHR1 3 (отношение шансов 0,58, 95% доверительный интервал 0,46–0,72, P = 2 × 10 –6 ), как сообщалось ранее 1 . Однако, когда мы использовали rs10737680, статистическая сила защитного эффекта CFHR1 3 Δ была существенно снижена (0.72, 0,55–0,95, P = 0,02), хотя и не полностью исключены. В то же время кондиционирование на CFHR1 3 Δ не ослабляло влияние ассоциаций Y402H и rs10737680 ( P <1 × 10 −13 ). На основании этих результатов мы пришли к выводу, что ранее описанные ассоциации в CFHR1 3 Δ и rs10737680 не были полностью независимыми.

Таблица 1

Условная логистическая регрессия для CFH Y402H, CFH rs10737680 и CFHR1 3 Δ

CFHR3 делеция 0,38 900 −32 4,5 × 10 −10
Модель логистической регрессии Y4015556 Y4015556 Y4015556 rs10804

OR 95% c.я. P OR 95% c.i. P OR 95% c.i. P

Модель с одним маркером 0,39 0,34–0,46 1,2 × 10 −35 0,37 0,30–0,45 6,5 × 10 −21
Условно для Y402H (rs10801555) 0.58 .47–0,71 1,1 × 10 −7 0,58 0,46–0,72 2,3 × 10 −6
Условно для rs10737680 3,55 0,72 0,55–0,95 0,02
Условный на CFHR1 3 Δ 0,47 0,40–0.55 7,7 × 10 −21 0,45 0,37–0,55 1,8 × 10 −14

Чтобы лучше понять ассоциацию болезни в этом локусе, мы идентифицировали общие гаплотипы 21 двуаллельного маркера (и дополнительную таблицу 2). Всего семь гаплотипов с частотами> 1% составили 95,7% из 3354 хромосом. Наиболее частый гаплотип h2 , содержащий аллель риска Y402H, присутствовал в 59% хромосом пораженных людей, но только в 37% контрольных хромосом.Для других гаплотипов мы рассчитали отношение шансов ассоциации болезни по сравнению с h2 . Как уже отмечалось ранее 6 , профили риска гаплотипов можно наиболее экономно разделить на три группы: высокий риск ( h2 , отношение шансов = 1; эталон), средний риск ( h3 и h4 , отношение шансов = 0,60. , 95% доверительный интервал (ci) 0,50–0,73) и низкий риск ( h5 , H5 , H6 и H7 , отношение шансов = 0.32, 95% к.и. 0,27–0,38). Гаплотипы в каждой группе имели размеры эффекта, которые были неотличимы друг от друга ( P = 0,71 для h3 и h4 ; P = 0,30 для h5 , H5 , H6 и H7 ). ). Три группы гаплотипов имели различное влияние на риск ВМД ( P = 6,8 × 10 -43 ) с неперекрывающимися доверительными интервалами; разделение групп для присвоения независимого риска каждому из семи гаплотипов не лучше определяло риск ( P = 0.43).

Анализ гаплотипов демонстрирует взаимосвязь между ассоциацией CFH rs10737680 и ассоциацией CFHR1 3 Δ: оба маркера маркируют коллекцию гаплотипов низкого риска. SNP rs10737680 тесно связан с гаплотипами с низким уровнем риска, но пропускает редкий (1,2%) гаплотип h5 , тогда как CFHR1 3 Δ пропускает как h5 , так и H5 . Ни один из них не маркирует все гаплотипы с низким риском, что позволяет предположить, что может быть один или несколько еще не идентифицированных вариантов, которые лучше объясняют риск заболевания.

Одно скупое объяснение — это единственный защитный функциональный вариант, присутствующий на гаплотипах низкого риска h5 H7 , в дополнение к аллелю риска Y402H, присутствующему на h2 ; такой вариант имел бы очень высокий LD до rs10737680 ( r 2 > 0,9). Альтернативно, вариант риска для гаплотипов промежуточного риска h3 и h4 также мог бы объяснить данные. Мы провели поиск таких маркеров, (i) приписав 171 негенотипированный SNP с 205 образцами HapMap CEU и Toscani in Italia (TSI) в качестве эталона и (ii) импортировав 72 негенотипированных SNP CFH с 812 опубликованными случаями и контрольными образцами в качестве эталона 7 (Дополнительные методы).Ни один генотипированный или вмененный SNP не соответствовал этим критериям. Потенциально, плотное повторное упорядочение этой области для выявления всех распространенных вариантов в этой области могло бы идентифицировать функциональную мутацию, которая удовлетворяет вышеуказанным критериям.

Альтернативным, но менее скупым объяснением могло бы быть наличие множественных защитных функциональных мутаций на гаплотипах h5 H7 , которые оказывают примерно равное влияние на риск. Например, CFHR1 3 Δ или вариант CFH в LD на гаплотипах H6 и H7 и вариант кодирования rs800292 CFH (I62V) на гаплотипах h5 и H5 могут каждый обеспечивают эквивалентную защиту от болезней, и это объясняет наблюдаемые данные.

Мы и другие опубликовали примеры, в которых вариации общего числа копий генома могут влиять на риск заболевания. Например, ассоциация IRGM с болезнью Крона отображается в вышестоящую делецию в регуляторной области, которая влияет на экспрессию самого гена 10 . Однако эти результаты предполагают возможность того, что CFHR1 3 Δ может не представлять какого-либо независимого риска AMD, а может быть просто ассоциирован с защитными гаплотипами CFH .

Результаты от SNP к гену

Во многих исследованиях генетических ассоциаций использовались данные однонуклеотидных полиморфизмов (SNP) для идентификации генетических вариантов сложных заболеваний. Хотя ассоциации на основе SNP наиболее распространены в исследованиях ассоциаций на уровне всего генома (GWAS), анализ ассоциаций на основе генов привлекает все большее внимание в понимании генетической этиологии сложных заболеваний. Хотя оба метода использовались для анализа одних и тех же данных, лишь несколько полногеномных ассоциативных исследований сравнивают результаты или наблюдают связь между ними.Мы провели всесторонний анализ данных Исследования зависимости: генетика и окружающая среда (SAGE) и сравнили результаты анализа на основе SNP и генов. Наши результаты показывают, что генный метод дополняет индивидуальный анализ на основе SNP, и концептуально они тесно связаны. Что касается генов, то наши результаты подтверждают валидацию многих генов, о которых было сообщено либо в результате анализа того же набора данных, либо на основе исследований зависимости от психоактивных веществ на животных.

1.Введение

Полногеномные исследования ассоциаций (GWAS) стали мощным инструментом для идентификации локусов, чувствительных к многочисленным заболеваниям [1]. Типичной стратегией GWAS является индивидуальный анализ однонуклеотидных полиморфизмов (SNP) и выбор лучших SNP путем установки жесткого порогового значения для значения. Затем топовые SNP были сопоставлены с функциональными областями, такими как ген или путь, чтобы облегчить дальнейшее исследование соответствующего гена и заболевания. На основе анализа ассоциации на основе SNP было обнаружено множество генетических вариантов, лежащих в основе сложных заболеваний или признаков [2, 3].Из-за большого количества SNP, каждый из которых влечет за собой проверку ассоциации, важно контролировать ошибку типа I или частоту ложного обнаружения [4]. Заранее определенное значение обычно используется в качестве порога для объявления SNP значимости для всего генома, что также ограничивает обнаружение генов, важных для болезни. Также важно, что восприимчивые SNP обычно объясняют небольшую долю риска — явление, обычно называемое «отсутствующей наследуемостью» [5, 6]. Чтобы решить эту проблему, появились альтернативные методы, дополняющие простые методы на основе SNP.Среди этих методов генный анализ [7–9], который совместно анализирует SNP в генах, является многообещающим решением для повышения эффективности GWAS. По сравнению с подходом на основе SNP, анализ ассоциации на основе генов имеет определенные преимущества. Во-первых, ген — это единица наследственности и функции, и, следовательно, подходы к ассоциации на основе генов могут дать прямое представление о наследственности и функциональных механизмах сложных признаков [10]. Во-вторых, со статистической точки зрения, подходы на основе ассоциаций на основе генов сокращают количество ассоциативных тестов с порядка миллионов до примерно 20 000 тестов на основе генов, что резко снижает вероятность ложного открытия.Кроме того, на генные методы не влияет гетерогенность одного локуса. Следовательно, результаты хорошо согласуются между популяциями [11], что увеличивает вероятность репликации.

Генные методы успешно применялись для GWAS сложных заболеваний, включая болезнь Крона [7], диабет 1 типа [12] и меланому [8]. Несмотря на отмеченные выше особенности подхода на основе ассоциации генов, существует мало сравнений анализа генетической ассоциации между SNP и методами на основе генов.Здесь мы сравниваем и соотносим эти два подхода, используя данные из «Study of Addition: Genetics and Environment» (SAGE) [13].

Недавние исследования показывают, что существует много генов-кандидатов, связанных с зависимостью от психоактивных веществ. Например, GABRA2, CHRM2, ADh5, PKNOX2, GABRG3, TAS2R16, SNCA, OPRK1 и PDYN хорошо изучены в отношении алкогольной зависимости и были воспроизведены во многих образцах [13–28]. Однако другие гены-кандидаты, такие как KIAA0040, ALDh2A1, DKK2 и MANBA [25, 27, 29, 30], остаются иллюзорными.Что касается зависимости от никотина, CHRNA5, CHRNA3, CHRNB4 и CSMD1 были воспроизведены во многих исследованиях [31–39].

На основе анализа данных SAGE мы сообщаем о ряде локусов восприимчивости на уровне SNP и / или гена, которые подтверждают многие локусы восприимчивости, которые, как сообщалось, связаны с зависимостью от веществ [13, 14, 25, 27 , 29, 37, 38, 40–44]. Между тем, анализ на основе SNP и генов выявляет три новых гена риска: NCK2, DSG3 и PUSL1.

2. Материалы и методы
2.1. Набор данных и дизайн исследования

Набор данных включал 4 121 субъекта в SAGE с шестью категориями данных о зависимости: алкоголь, кокаин, марихуана, никотин, опиаты и другие зависимости от наркотиков. Данные были загружены с dbGaP (исследование, доступ phs000092.v1.p1) [13]. SAGE [13] — это крупное исследование методом случай-контроль, целью которого является обнаружение чувствительных генетических вариантов для добавления. Испытуемые были набраны из восьми исследовательских центров в семи штатах и ​​округе Колумбия в США.Зависимости жизни всех субъектов от этих шести зависимостей диагностируются с помощью Диагностического и статистического руководства по психическим расстройствам, четвертое издание (DSM-IV). Все образцы были генотипированы на платформе ILLUMINA Human 1 M в Центре исследований наследственных заболеваний Университета Джона Хопкинса. В этой статье мы строго следовали контролю качества / обеспечению качества, как и в нашем предыдущем анализе [14]. Данные SNP для всего генома были отфильтрованы путем установки пороговых значений: и. Кроме того, в наш анализ были исключены 60 образцов дублированных генотипов и 9 лиц с этническим происхождением, отличным от африканского или европейского происхождения.Наконец, 3627 неродственных образцов с 859 185 аутосомными SNP прошли процедуры контроля качества. Чтобы избежать расслоения населения, набор данных был разделен на четыре подвыборки: 1393 белых женщины, 1131 белый мужчина, 568 чернокожих женщин и 535 чернокожих мужчин. Для захвата большей части кодирующих и регуляторных вариантов генов SNP считаются картированными в ген, если их физическое расположение находится в пределах 20 тысяч пар оснований (кб) 5 ‘выше и 10 тысяч пар оснований (кб) 3’ ниже кодирующих областей гена [26]. Кроме того, SNP также назначаются гену, если они находятся в сильной LD () с изначально назначенными SNP внутри гена [10].В совокупности около 533 639 SNP были отнесены к 18 699 генам, кодирующим белок (28,6 ± 47,7 (среднее ± стандартное отклонение) SNP на ген).

Следуя общепринятым стандартам, мы использовали и в качестве значимых для всего генома пороговых значений для методов на основе SNP и генов, соответственно [4]. Чтобы увеличить мощность обнаружения потенциально важных SNP, которые не соответствуют строгим пороговым значениям, мы также рассмотрели ослабленные пороги. В частности, далее были рассмотрены SNP с генами и. Эти значения ниже называются ослабленными порогами значимости.Затем выбранные SNP были сопоставлены с соответствующими генами с помощью правила сопоставления, предложенного выше.

2.2. Тест генетической ассоциации на уровне SNP и генов

Мы предприняли несколько шагов для тестирования ассоциации между генетическими вариантами (SNP или ген) и зависимостью от веществ. Сначала значение каждого SNP оценивалось с помощью логистической регрессии, а затем рассчитывались коэффициенты корреляции () всех пар SNP. Расчет проводился в программе PLINK (версия 1.07) [45]. На втором этапе мы реализовали генный анализ в инструменте с открытым исходным кодом: Knowledge-Based Mining System for Genome-Wide Genetic Studies (KGG, version 2.0) [46] на основе результатов ассоциативного теста и файлов LD, полученных из PLINK. В тесте на генную ассоциацию использовалась процедура Саймса (GATES) [7]. В частности, предположим, что SNP назначены гену; тест ассоциации, такой как традиционная логистическая регрессия или линейная регрессия, используется для изучения ассоциации между фенотипом и каждым отдельным SNP.Этот шаг дает значения для SNP. GATES объединяет доступные значения в гене с помощью модифицированного теста Саймса, чтобы получить значение на основе гена. Суммарное значение определяется как где — наименьшее значение среди SNP; — эффективное количество независимых значений среди SNP в гене и эффективное количество независимых значений среди основных SNP. Эффективное количество независимых значений было получено путем учета структуры LD среди указанных SNP; мы отсылаем к [7] по расчету.

Чтобы сравнить эффективность методов на основе SNP и на основе генов, в методе на основе SNP мы выбрали те SNP, значения которых были меньше, чем, а затем сопоставили их с соответствующими генами. Это позволяет нам сравнивать чувствительные гены, идентифицированные обоими методами, описанными выше.

3. Результаты
3.1. Обнаружение локусов восприимчивости на ослабленном уровне значимости

В таблице 1 обобщены чувствительные гены, идентифицированные с помощью теста ассоциации на основе SNP и теста ассоциации на основе генов на расслабленном уровне значимости.Всего 207 генов прошли ослабленный порог на основе генов, тогда как только 64 гена с SNP прошли ослабленный порог на основе SNP.

905 905 905 G38 9038 4 905 905 905 1 90 538 3

Спирт S Кокаин Марихуана Никотин Опиаты Другие G S G S G S

Черные мужчины 4 3 1 2 8 2 9 5
Темнокожие женщины 4 3 8 5 9 3 7 6 3
Белые 16 3 9 2 10 4 1 11 3 3 1
Белые женщины 20 5 12 2 10 10 10 9025 4 5 24 3

G относится к генному методу.S относится к методу на основе SNP.

Затем мы провели поиск литературы по генетическим областям, которые содержат идентифицированные гены, и отфильтровали чувствительные генетические области, которые, как сообщалось, связаны с зависимостью от веществ, для дальнейшего исследования. В таблице 2 мы перечислили отфильтрованные гены, связанный с ними тип зависимости от веществ, значения для генного метода, минимальное значение SNP в гене, а также их литературные ссылки и указанную зависимость от веществ.

905 905 905 2 905 905 905 905 905 905 905 белый 905 RELN Кокаин 905 Белые мужчины 902 15 [43] значение P (на основе гена): значение P , полученное с помощью теста ассоциации на основе генов;
b мин. P значение (на основе SNP): минимальное значение P SNP в соответствующем гене;
c SD: зависимость от веществ.

Chr Gene Источник Значение P (на основе генов) a Мин. P значение 4 (на основе SN bP-900) Обнаружено SD c Сообщено SD Ссылка

1 KIAA0040 Белые женщины Алкоголь Спирт HAAO Белые женщины Кокаин Спирт [41]
2 NCK2 Чернокожие мужчины
3 Sh4BP5 Белые мужчины Кокаин Алкоголь 90 254 [13]
4 MANBA Белые мужчины Спирт Спирт [29]
7 7 Курение [37]
8 CSMD1 Чернокожие женщины Никотин Курение [37, 38] [37, 38]
Опиаты Курение [42]
11 PKNOX2 Белые женщины Спирт 905 902 902 12 IFNG Белые женщины Опиаты Курение [37]
18 FAM38B Темнокожие женщины Кокаин Курение [40]
18 PTPRM
22 MAPK1 Темнокожие женщины Марихуана Спирт [25]

На рисунке 1 мы отображаем отфильтрованные гены, полученные в результате анализа на основе SNP и генов, по положению в хромосомах против их логарифмически преобразованных значений,. Каждая точка для анализа на основе SNP на рисунке 1 соответствует наименьшему значению на основе SNP в гене.


Всего пять генов: NCK2 (зависимость от опиатов у чернокожих мужчин), Sh4BP5 (зависимость от кокаина у белых мужчин), LRP5 (зависимость от опиатов у белых мужчин), KIAA0040 (зависимость от алкоголя у белых женщин) и PKNOX2 (зависимость от алкоголя. у белых женщин), были определены как SNP-основанными, так и генными методами как соответствующие любому из ослабленных уровней значимости для конкретной зависимости и внутри гендерно-расовой группы.Четыре гена, MAPK1 (зависимость от марихуаны у чернокожих женщин), MANBA (зависимость от алкоголя у белых мужчин), HAAO (зависимость от кокаина у белых женщин) и IFNG (зависимость от опиатов у белых женщин), достигли порогового значения только с помощью генного метода. . Мы обнаружили, что значимый сигнал гена MAPK1 в основном управляется SNP: rs72 (), rs9610271 (), rs9610417 () и rs2876981 (). Значения для этих SNP немного больше, чем ослабленный порог на основе SNP (), и, следовательно, метод на основе SNP не смог их обнаружить.

Кроме того, четыре других гена, FAM38B (зависимость от кокаина у чернокожих женщин), PTPRM (зависимость от марихуаны у чернокожих женщин), CSMD1 (зависимость от никотина у чернокожих женщин) и RELN (зависимость от кокаина у белых мужчин), содержат по крайней мере один SNP. которые соответствуют ослабленному порогу значимости на основе SNP. Основанные на генах значения для FAM38B, PTPRM и RELN равны,, и, соответственно, которые больше, чем все же в том же порядке, что и ослабленный порог (значение). Для CSMD1 в него было отображено 1934 SNP.Его сигнал в основном определялся только пятью SNP: rs2624087 (), rs4875371 (значение), rs2623607 (значение), rs10503267 (значение) и rs4875372 (значение). Поскольку было только 5,3% SNP (103 SNP) со значением менее 0,05, общая ассоциация с геном стала менее значимой.

3.2. Общегеномные значимые локусы

Поскольку ни один из SNP не достиг общегеномной значимости для какой-либо зависимости с помощью метода на основе SNP, в этом разделе мы сосредоточимся только на результатах метода на основе генов.

В таблице 3 представлены гены с генной ценностью. Этот метод идентифицировал один значимый для всего генома ген, DSG3 (значение) никотиновой зависимости у белых мужчин. Значение гена NCK2: очень близко к значимому для всего генома порогу, который предоставил очень убедительные доказательства ассоциации опиатов у чернокожих мужчин. Как показано в таблице 3, и NCK2, и DSG3 содержат SNP с сильными сигналами; это rs2377339 (значение) для гена NCK2 и rs6701037 (значение) и rs1057302 (значение) для гена DSG3.Однако ни один из этих SNP не достиг полногеномного значения.

8

8 902 902 9048 9048 9048 9048 9048 9048 проанализировали данные SAGE, полученные с помощью методов на основе SNP и генов, и сравнили результаты, полученные с помощью этих двух методов. В частности, для каждой половой и расовой группы мы провели ассоциативный анализ для шести категорий зависимости от психоактивных веществ отдельно.Генный метод, по-видимому, более эффективен в обнаружении локусов восприимчивости.

Большинство генов, идентифицированных в нашем исследовании, подтверждено различными сообщениями в литературе, относящимися к генетике зависимости от веществ [47, 48]. На основании некоторых генов, которые мы идентифицировали, здесь могут существовать общие генетические варианты среди различных зависимостей от веществ [49].

В целом, мы не обнаружили каких-либо значимых для всего генома SNP при использовании метода на основе SNP. Однако один ген, DSG3, в значительной степени связан с никотиновой зависимостью у белых мужчин во всем геноме, согласно генному методу.Другой ген, NCK2, имеет значение почти для всего генома () в связи с зависимостью от веществ.

Метод на основе SNP и метод на основе генов тесно связаны. Фактически, метод на основе SNP можно рассматривать как метод на основе генов, использующий экстремальную функцию, а именно минимальное значение SNP в гене, тогда как в типичном методе на основе генов используется взвешенный подход. Преимущества и ограничения этих двух подходов аналогичны тем, которые существуют между экстремальной функцией и средневзвешенным значением.

Следует отметить, что как SNP-методы, так и генные методы имеют свои преимущества и недостатки. Метод на основе SNP обладает уникальной силой в идентификации генов с небольшим количеством значимых SNP. Однако, поскольку метод на основе SNP фокусируется на одном SNP за раз, он менее эффективен для обнаружения гена, SNP которого имеют слабые маргинальные эффекты, но сильный совместный эффект. В нашем анализе 207 генов прошли ослабленный порог, основанный на генах, тогда как только 64 гена прошли ослабленный порог на основе SNP.

Как методы на основе SNP, так и методы на основе генов могут быть удобно реализованы с помощью общедоступного программного обеспечения, такого как PLINK [45] для метода на основе SNP и KGG [46] для метода на основе генов. Для анализа на основе SNP наиболее удобной платформой является PLINK. Для данных SAGE GWAS потребовалось около 25 минут, чтобы выполнить сканирование SNP всего генома на обычном настольном компьютере (Intel Core 2, 4 ГБ памяти). В нашем генном анализе мы использовали результаты ассоциации на основе SNP и файлы неравновесия по сцеплению (LD) из PLINK в качестве входных данных для программного обеспечения KGG.После этой подготовки потребовалось около 30 минут для выполнения сканирования ассоциаций на основе генов на том же рабочем столе, что и упоминалось выше.

Вклад авторов

X. Guo и Z. Liu внесли равный вклад в эту работу.

Благодарности

Эта работа была поддержана грантом R01 DA016750-09 Национального института по борьбе со злоупотреблением наркотиками. Финансовая поддержка исследования наркомании: генетика и окружающая среда (SAGE) была предоставлена ​​через NIH Genes, Environment and Health Initiative (GEI) (U01 HG004422).SAGE — одно из исследований ассоциаций на уровне всего генома, финансируемых как часть исследований ассоциации генетической среды (GENEVA) в рамках GEI. Помощь в гармонизации фенотипа и очистке генотипа, а также в общей координации исследования была предоставлена ​​Координационным центром ЖЕНЕВЫ (U01 HG004446). Помощь в очистке данных предоставил Национальный центр биотехнологической информации. Поддержка сбора наборов данных и образцов была предоставлена ​​Совместным исследованием генетики алкоголизма (COGA; U10 AA008401), Совместным генетическим исследованием никотиновой зависимости (COGEND; P01 CA089392) и Семейным исследованием кокаиновой зависимости (FSCD; R01 DA013423).Финансовая поддержка генотипирования, которое проводилось в Центре исследований наследственных заболеваний Университета Джона Хопкинса, была предоставлена ​​NIH GEI (U01HG004438), Национальным институтом злоупотребления алкоголем и алкоголизмом, Национальным институтом злоупотребления наркотиками и контрактом с NIH ». «Высокопроизводительное генотипирование для изучения генетического вклада в развитие болезней человека» (HHSN268200782096C). Наборы данных, использованные для анализа, описанного в этой статье, были получены от dbGaP по адресу http: //www.ncbi.nlm.nih.gov / projects / gap / cgi-bin / study.cgi? study_id = phs000092.v1.p1 через регистрационный номер dbGaP phs000092.v1.p. У авторов нет конфликта интересов.

Панель SNP для идентификации образцов ДНК и РНК | BMC Genomics

  • 1.

    Phillips ML. Генетика места преступления: трансформация судебной медицины с помощью молекулярных технологий. Биология. 2008. 58 (6): 484–9.

    Артикул Google ученый

  • 2.

    Бауэр М. РНК в судебной медицине.Forensic Sci Int Genet. 2007; 1 (1): 69–74.

    CAS Статья PubMed Google ученый

  • 3.

    Sijen T. Молекулярные подходы к судебной идентификации типов клеток: мРНК, миРНК, метилирование ДНК и микробные маркеры. Forensic Sci Int Genet. 2015; 18: 21–32.

    CAS Статья PubMed Google ученый

  • 4.

    ден Берге М., Сиджен Т. Расширенные исследования специфичности анализов мРНК, используемых для определения тканей органов и жидкостей организма человека.Электрофорез. 2017; 38: 3155–60.

    Артикул Google ученый

  • 5.

    Чжао Х., Ван Ц., Яо Л., Линь Кью, Сюй Х, Ху Л. и др. Идентификация старых пятен крови с помощью профилирования мРНК: результаты экспериментов с выбранными маркерами 30- и 50-летних образцов. Forensic Sci Int. 2017; 272 (Приложение C): e1–6.

    CAS Статья PubMed Google ученый

  • 6.

    Эмберс А.Д., Черчилль Д.Д., Кинг Дж.Л., Столярова М., Гилл-Кинг Х., Ассиди М. и др.Исправление: более подробный судебно-медицинский анализ генетических маркеров для точной идентификации человеческих останков с использованием массового параллельного секвенирования ДНК. BMC Genomics. 2017; 18 (1): 312.

    Артикул PubMed PubMed Central Google ученый

  • 7.

    Кайзер М. Криминалистическое использование ДНК Y-хромосомы: общий обзор. Hum Genet. 2017; 136 (5): 621–35.

    CAS Статья PubMed PubMed Central Google ученый

  • 8.

    Джоблинг М.А., Тайлер-Смит К. Вариации Y-хромосомы человека в эпоху секвенирования генома. Nat Rev Genet. 2017; 18 (8): 485–97.

    CAS Статья PubMed Google ученый

  • 9.

    Бринкманн Б., Рэнд С., Баяновски Т. Криминалистическая идентификация образцов мочи. Int J Legal Med. 1992. 105 (1): 59–61.

    CAS Статья PubMed Google ученый

  • 10.

    Budowle B, Moretti TR, Baumstark AL, Defenbaugh DA, Keys KM.Данные о населении тринадцати локусов коротких тандемных повторов ядра CODIS у афроамериканцев, кавказцев США, выходцев из Латинской Америки, багамцев, ямайцев и тринидадцев. J Forensic Sci. 1999. 44 (6): 1277–86.

    CAS Статья PubMed Google ученый

  • 11.

    Уркхарт А., Кимптон С., Даунс Т., Гилл П. Вариации в коротких последовательностях тандемных повторов — обзор двенадцати микросателлитных локусов для использования в качестве маркеров судебной идентификации. Int J Legal Med.1994. 107 (1): 13–20.

    CAS Статья PubMed Google ученый

  • 12.

    Butler JM, Shen Y, McCord BR. Разработка STR-ампликонов уменьшенного размера в качестве инструментов для анализа деградированной ДНК. J Forensic Sci. 2003. 48 (5): 1054–64.

    CAS Статья PubMed Google ученый

  • 13.

    Ким С.М., Ю СИ, Нам Ш., Ли Дж. М., Чунг К.В. Идентификация маркеров SNP, специфичных для Кореи, по данным секвенирования всего экзома.Int J Legal Med. 2016; 130 (3): 669–77.

    Артикул PubMed Google ученый

  • 14.

    Диксон Л.А., Мюррей С.М., Арчер Э.Дж., Доббинс А.Е., Коуми П., Гилл П. Валидация аутосомного мультиплекса SNP с 21 локусом для целей судебной идентификации. Forensic Sci Int. 2005. 154 (1): 62–77.

    CAS Статья PubMed Google ученый

  • 15.

    Кайзер М., де Книжфф П. Совершенствование судебной экспертизы человека за счет достижений в области генетики, геномики и молекулярной биологии.Nat Rev Genet. 2011; 12 (3): 179–92.

    CAS Статья PubMed Google ученый

  • 16.

    Аморим А., Перейра Л. Плюсы и минусы использования SNP в судебно-медицинском расследовании родственных связей: сравнительный анализ с STR. Forensic Sci Int. 2005; 150 (1): 17–21.

    CAS Статья PubMed Google ученый

  • 17.

    Borsting C, Sanchez JJ, Hansen HE, Hansen AJ, Bruun HQ, Morling N.Проведение анализа SNPforID 52 SNP-plex при тестировании на отцовство. Forensic Sci Int Genet. 2008. 2 (4): 292–300.

    Артикул PubMed Google ученый

  • 18.

    Кидд К.К., Кидд JR, Speed ​​WC, Fang R, Furtado MR, Hyland FC и др. Расширение данных и ресурсов для криминалистического использования SNP при идентификации личности. Forensic Sci Int Genet. 2012. 6 (5): 646–52.

    CAS Статья PubMed Google ученый

  • 19.

    Крюцков К., Вилтроп Т., Палта П., Мецпалу Е., Тамм Е., Суви С. и др. Оценка микрочипа типа 124-plex SNP для судебно-медицинской экспертизы. Forensic Sci Int Genet. 2009. 4 (1): 43–8.

    CAS Статья PubMed Google ученый

  • 20.

    Pakstis AJ, Speed ​​WC, Fang R, Hyland FC, Furtado MR, Kidd JR, et al. SNP для универсальной индивидуальной идентификационной панели. Hum Genet. 2010. 127 (3): 315–24.

    Артикул PubMed Google ученый

  • 21.

    Кидд К.К., Пакстис А.Дж., Спид У.С., Григоренко Е.Л., Каджуна С.Л., Карома Нью-Джерси и др. Разработка панели SNP для судебно-медицинской идентификации физических лиц. Forensic Sci Int. 2006. 164 (1): 20–32.

    CAS Статья PubMed Google ученый

  • 22.

    Hou G, Jiang X, Yang Y, Jia F, Li Q, Zhao J, et al. Аутосомный мультиплекс SNP с 21 локусом и его применение в судебной медицине. J Forensic Sci. 2014; 59 (1): 5–14.

    CAS Статья PubMed Google ученый

  • 23.

    Hwa H-L, Wu LSH, Lin C-Y, Huang T-Y, Yin H-I, Tseng L-H и др. Генотипирование 75 SNP с использованием массивов для индивидуальной идентификации в пяти группах населения. Int J Legal Med. 2016; 130 (1): 81–9.

    Артикул PubMed Google ученый

  • 24.

    Ибарра А., Фрейре-Арадас А., Мартинес М., Фондевила М., Бургос Г., Камачо М. и др. Сравнение генетического фона различных колумбийских популяций с использованием идентификационной панели SNPforID 52plex.Int J Legal Med. 2014. 128 (1): 19–25.

    Артикул PubMed Google ученый

  • 25.

    Пакстис А.Дж., Спид У.С., Кидд Дж. Р., Кидд К.К. Кандидаты в SNP для универсальной панели индивидуальной идентификации. Hum Genet. 2007. 121 (3–4): 305–17.

    Артикул PubMed Google ученый

  • 26.

    Вэй И-Л, Цинь Ц.-Дж., Лю Х-Б, Цзя Дж., Ху Л., Ли Ц-Х. Валидация 58 аутосомных индивидуальных идентификационных SNP в трех китайских популяциях.Croat Med J. 2014; 55 (1): 10–3.

    CAS Статья PubMed PubMed Central Google ученый

  • 27.

    Пакстис А.Дж., Хей Э., Черни Л., Эль-Гайед А.Б., Бартон А., Эвсана Б. и др. 52 дополнительных эталонных выборки населения для панели 55 AISNP. Forensic Sci Int Genet. 2015; 19: 269–71.

    CAS Статья PubMed Google ученый

  • 28.

    Seo SB, King JL, Warshauer DH, Davis CP, Ge J, Budowle B.Типирование однонуклеотидного полиморфизма с массовым параллельным секвенированием для идентификации человека. Int J Legal Med. 2013. 127 (6): 1079–86.

    Артикул PubMed Google ученый

  • 29.

    Геном Нидерландов C. Изменчивость последовательности всего генома, популяционная структура и демографическая история голландского населения. Нат Жене. 2014; 46 (8): 818–25.

    Артикул Google ученый

  • 30.

    Жернакова Д.В., Дилен П., Вермаат М., ван Итерсон М., ван Гален М., Ариндрарто В. и др. Идентификация контекстно-зависимых локусов количественных признаков экспрессии в цельной крови. Нат Жене. 2017; 49 (1): 139–45.

    CAS Статья PubMed Google ученый

  • 31.

    Scholtens S, Smidt N, Swertz MA, Bakker SJ, Dotinga A, Vonk JM, et al. Профиль когорты: LifeLines, когортное исследование трех поколений и биобанк. Int J Epidemiol. 2015; 44 (4): 1172–80.

    Артикул PubMed Google ученый

  • 32.

    Тигчелаар Э.Ф., Жернакова А., Декенс Я.А., Гермес Г., Баранска А., Муджагич З. и др. Профиль когорты: LifeLines DEEP, проспективное когортное исследование населения в северных Нидерландах: дизайн исследования и исходные характеристики. BMJ Open. 2015; 5 (8): e006772.

    Артикул PubMed PubMed Central Google ученый

  • 33.

    van Dam RM, Boer JM, Feskens EJ, Seidell JC. Отцовский анамнез диабета изменяет связь между абдоминальным ожирением и гипергликемией. Уход за диабетом. 2001. 24 (8): 1454–14.

    CAS Статья PubMed Google ученый

  • 34.

    Ким Дж.Дж., Хан Би-Джи, Ли Х-И, Ю Х-В, Ли Дж.К. Разработка системы идентификации человека на основе SNP. Int J Legal Med. 2010. 124 (2): 125–31.

    Артикул PubMed Google ученый

  • 35.

    Санчес Дж. Дж., Филлипс К., Борстинг С., Балог К., Богус М., Фондевила М. и др. Мультиплексный анализ с 52 однонуклеотидными полиморфизмами для идентификации человека. Электрофорез. 2006. 27 (9): 1713–24.

    CAS Статья PubMed Google ученый

  • 36.

    Бенджамини Ю., Хохберг Ю. Контроль уровня ложных открытий: практичный и эффективный подход к множественному тестированию. J R Stat Soc Ser B Methodol. 1995. 57 (1): 289–300.

    Google ученый

  • 37.

    Peakall R, Smouse PE. GenAlEx 6.5: генетический анализ в Excel. Популяционно-генетическое программное обеспечение для обучения и исследований — обновление. Биоинформатика. 2012. 28 (19): 2537–9.

    CAS Статья PubMed PubMed Central Google ученый

  • 38.

    Peakall ROD, Smouse PE. genalex 6: генетический анализ в Excel. Популяционно-генетическое программное обеспечение для обучения и исследований. Примечания Мол Экол. 2006. 6 (1): 288–95.

    Артикул Google ученый

  • 39.

    Карчевски К.Дж., Вайсбурд Б., Томас Б., Соломонсон М., Рудерфер Д.М., Кавана Д. и др. Браузер ExAC: отображение справочной информации из более чем 60 000 экзомов. Nucleic Acids Res. 2017; 45 (D1): D840–5.

    Артикул PubMed Google ученый

  • 40.

    van der Heijden AA, Rauh SP, Dekker JM, Beulens JW, Elders P, t Hart LM, et al. Когорта Системы лечения диабета Хорна (DCS). Предполагаемая когорта людей с диабетом 2 типа, проходящих лечение в системе первичной медико-санитарной помощи в Нидерландах.BMJ Open. 2017; 7 (5): e015599.

    Артикул PubMed PubMed Central Google ученый

  • 41.

    Амиго Дж., Салас А., Филлипс К., Карраседо А. SPSmart: адаптация баз данных генотипов SNP на основе популяций для быстрого и полного доступа в Интернет. BMC Bioinformatics. 2008; 9: 428.

    Артикул PubMed PubMed Central Google ученый

  • 42.

    Ли Хай, Пак МДж, Ю Джи, Чунг Ю, Хан Г.Р., Шин К.Дж.Выбор двадцати четырех высокоинформативных маркеров SNP для идентификации человека и анализа отцовства у корейцев. Forensic Sci Int. 2005. 148 (2–3): 107–12.

    CAS Статья PubMed Google ученый

  • 43.

    Zeng Z, Wang L, Feng Q, Zhang L, Lee L, Wang L, et al. Оценка 96 SNP в 14 популяциях для индивидуальной идентификации во всем мире. J Forensic Sci. 2012; 57 (4): 1031–5.

    Артикул PubMed Google ученый

  • 44.

    Zeng Z, Yan H, Wang L, Yuan E, Yang W, Liao Z и др. Полногеномный скрининг индивидуальных идентификационных SNP (IISNP) и подтверждение шести из них на китайском языке хань с технологией пиросеквенирования. J Forensic Sci. 2010; 55 (4): 901–7.

    Артикул PubMed Google ученый

  • 45.

    Sarkar A, Nandineni MR. Разработка панели на основе SNP для идентификации человека для населения Индии. Forensic Sci Int Genet. 2017; 27: 58–66.

    CAS Статья PubMed Google ученый

  • 46.

    Zhang S, Bian Y, Chen A, Zheng H, Gao Y, Hou Y, et al. Проверка разработки настраиваемой панели, включающей 273 SNP для криминалистического приложения с использованием Ion Torrent PGM. Forensic Sci Int Genet. 2017; 27: 50–7.

    Артикул PubMed Google ученый

  • 47.

    Giardina E, Pietrangeli I, Martone C, Asili P, Predazzi I, Marsala P, et al.Сравнительный анализ in silico и in vitro для выбора, проверки и тестирования SNP для идентификации человека. BMC Genomics. 2007; 8 (1): 457.

    Артикул PubMed PubMed Central Google ученый

  • 48.

    Lou C, Cong B, Li S, Fu L, Zhang X, Feng T. и др. Анализ SNaPshot для генотипирования 44 индивидуальных идентификационных однонуклеотидных полиморфизмов. Электрофорез. 2011. 32 (3–4): 368–78.

    CAS Статья PubMed Google ученый

  • 49.

    Li L, Wang Y, Yang S, Xia M, Yang Y, Wang JP, et al. Полногеномный скрининг высокодискриминационных SNP для идентификации личности и их оценки среди населения мира. Forensic Sci Int Genet. 2017; 28: 118–27.

    CAS Статья PubMed Google ученый

  • 50.

    Zhang S, Bian Y, Chen A, Zheng H, Gao Y, Hou Y, et al. Массивно-параллельное секвенирование 231 аутосомного SNP с помощью настраиваемой панели: анализ типирования SNP, разработанный для идентификации человека с помощью Ion Torrent PGM.Forensic Sci Res. 2017; 2 (1): 26–33.

    Артикул Google ученый

  • 51.

    Zhang S, Bian Y, Zhang Z, Zheng H, Wang Z, Zha L, et al. Параллельный анализ 124 универсальных SNP для идентификации человека с помощью целевого секвенирования полупроводников. Научный доклад 2015; 5: 18683.

    CAS Статья PubMed PubMed Central Google ученый

  • 52.

    Xu Y, Xie J, Cao Y, Zhou H, Ping Y, Chen L, et al.Разработка высокочувствительной и специфической мультиплексной системы мРНК (XCYR1) для судебно-медицинской идентификации жидкостей и тканей человеческого тела. PLoS One. 2014; 9 (7): e100123.

    Артикул PubMed PubMed Central Google ученый

  • 53.

    Данахер П., Уайт Р.Л., Хэнсон Е.К., Баллантайн Дж. Легкая полуавтоматическая судебно-медицинская идентификация биологических жидкостей путем мультиплексной гибридизации раствора зондов штрих-кода NanoString® с конкретными мишенями мРНК. Forensic Sci Int Genet.2015; 14 (Приложение C): 18–30.

    CAS Статья PubMed Google ученый

  • 54.

    Хаас К., Хансон Э., Аньос М.Дж., Баллантайн К.Н., Банеманн Р., Бхоелаи Б. и др. Совместный анализ РНК / ДНК из пятен менструальной крови и вагинального секрета человека: результаты четвертого и пятого совместных упражнений EDNAP. Forensic Sci Int Genet. 2014; 8 (1): 203–12.

    CAS Статья PubMed Google ученый

  • 55.

    van den Berge M, Sijen T. Маркер мужской и женской РНК для определения пола в судебно-медицинском анализе. Forensic Sci Int Genet. 2017; 26: 70–6.

    CAS Статья PubMed Google ученый

  • 56.

    van den Berge M, Wiskerke D, Gerretsen R, Tabak J, Sijen T. Профилирование ДНК и РНК раскопанных человеческих останков с различными интервалами посмертных. Int J Legal Med. 2016; 130 (6): 1471–80.

    CAS Статья PubMed Google ученый

  • 57.

    Lech K, Ackermann K, Revell VL, Lao O, Skene DJ, Kayser M. Анализ суточных и циркадных ритмов экспрессии генов, контролируемых часами, в крови человека. J Biol Rhythm. 2016; 31 (1): 68–81.

    CAS Статья Google ученый

  • 58.

    Lech K, Liu F, Ackermann K, Revell VL, Lao O, Skene DJ, et al. Оценка маркеров мРНК для оценки времени осаждения крови: к проверке алиби на основе судебно-медицинских окрашиваний человека с ритмическими биомаркерами.Forensic Sci Int Genet. 2016; 21: 119–25.

    CAS Статья PubMed Google ученый

  • 59.

    Зубаков Д., Лю Ф., Кокмейер И., Чой Й., ван Мерс Дж. Б. Дж., Ван Ийкен В. Ф. Дж. И др. Оценка возраста человека по крови с использованием мРНК, метилирования ДНК, перестройки ДНК и длины теломер. Forensic Sci Int Genet. 2016; 24: 33–43.

    CAS Статья PubMed Google ученый

  • 60.

    Консорциум GT. Проект экспрессии генотипа в ткани (GTEx). Нат Жене. 2013; 45 (6): 580–5.

    Артикул Google ученый

  • 61.

    Батлер Дж. М.. Хилл CR, Coble MD. Изменчивость новых STR-локусов и наборов в группах населения США. Профили в ДНК . 2012. https://worldwide.promega.com/resources/profiles-in-dna/2012/variability-of-new-str-loci-and-kits-in-us-population-groups/. По состоянию на 12 декабря 2017 г.

  • 62.

    Зайцы DR. Расширение основных локусов CODIS в США. Forensic Sci Int Genet. 2012; 6: 52–4.

    Артикул Google ученый

  • 63.

    Зайцы DR. Выбор и внедрение расширенных локусов ядра CODIS в США. Forensic Sci Int Genet. 2015; 17: 33–4.

    CAS Статья PubMed Google ученый

  • Документы: SNP, предлагающий налоговые льготы для мигрантов

    Image caption, Долгожданный отчет Комиссии по развитию SNP предложит квалифицированным мигрантам предоставить налоговые льготы, чтобы привлечь их в Шотландию, сообщает The Scotsman.В документе говорится, что новый «план независимости» будет предлагать меры для мигрантов как способ привлечь инвесторов, предпринимателей, высококвалифицированных рабочих и студентов в Шотландию. Подпись к изображению, The National сообщает, что пакет «Приезжайте в Шотландию» ставит иммиграцию в затруднительное положение. суть нового дела о независимости и раскрывает эксклюзивные детали из отчета Комиссии по росту, в том числе план Шотландии по продолжению использования фунта. Подпись к изображению, The i утверждает, что авторы отчета говорят, что Шотландия должна отойти от «враждебного подхода Великобритании к миграции» и вместо этого сделать как можно более привлекательным для людей переезд к северу от границы.В нем говорится, что в отчете будут представлены аргументы в пользу «эффективной и простой» визовой системы с целью удержания 5000 зарубежных выпускников в год. Подпись к изображению: Люди, переезжающие в Шотландию из Англии, Уэльса и Северной Ирландии, будут иметь право на иммиграционный налог SNP. перерывы, согласно заголовку Scottish Daily Mail.Image, The Herald называет иммиграционные планы «золотым приветом» на своей первой странице. Но статья рассказывает о продолжающихся проблемах в NHS Tayside, сообщая, что плохое финансовое управление в NHS Tayside, по словам министра здравоохранения Шотландии, было «особенным».В нем говорится, что Шона Робисон была шокирована, когда узнала, что финансовые директора Tayside «оказали давление» на внутреннего аудитора, чтобы тот смягчил предупреждения о законности использования благотворительных денежных средств для покрытия дефицита. Подпись к изображению: The Times Scotland приводит решение президента США. Дональд Трамп отменяет переговоры с Северной Кореей. Газета ссылается на письмо, которое он отправил Киму, которое он позже написал в Твиттере, в котором говорится, что оно «колебалось между угрозами военного характера и мольбами к северокорейскому диктатору назначить еще один саммит».Подпись к изображению: «Стратегические неудачи в пожарной службе привели к гибели людей при пожаре в башне Гренфелл», согласно данным группы выживших, цитируемой в Daily Telegraph. Они поставили под сомнение время, которое потребовалось лондонской пожарной службе, чтобы отозвать совет жителям оставаться в своих квартирах и ждать спасения, а не эвакуироваться. Подпись к изображению министр обороны Гэвин Уильямсон пишет специально для Scottish Daily Express, предупреждая о «возрастающей агрессии со стороны возрождающаяся Россия »и что« старые угрозы возвращаются, чтобы преследовать нас ».Image caption Три сестры, которые более 40 лет ждали, чтобы их обидчик предстал перед судом, рассказывают Daily Record, что они опустошены, его отпустили с «мягким приговором» — семью годами тюрьмы. Элизабет, Маргарет и Джейн МакБрум были мишенью Дэвида Джека, когда они были маленькими девочками. Подпись к изображению: The Courier приводит вчерашний арест мужчины в связи со смертью 22-летней Аннелизы Джонстон около Оштерардера две недели назад. Полиция теперь рассматривает это дело как убийство. Подпись к изображению, The Scottish Sun сообщает о сержанте армии Эмиле Силлерсе, который вчера был признан виновным в попытке убить свою шотландскую жену во время заговора с целью убийства стоимостью 120 тысяч фунтов стерлингов.В газете подробно рассказывается о его предполагаемых интрижках и посещениях секс-клубов, как это было слышно в Винчестерском королевском суде. Подпись к изображению: «Хорошие новости» появляются на обложке журнала «Press and Journal» Highland, с рассказом о том, что Инвернесс станет центром передового опыта Шотландии в исследовании Лайма. Заболевание — клещевое заболевание, которое может привести к целому ряду серьезных заболеваний.Подпись к изображению, а Daily Star приводит новость о том, что футболист Роналдиньо якобы должен жениться на двух женщинах одновременно.

    Ссылки по теме

    BBC не несет ответственности за содержание внешних сайтов.

    Полногеномные ассоциации исследований | Nature Reviews Методы Праймеры

  • 1.

    Visscher, P. M. et al. 10 лет открытия GWAS: биология, функции и перевод. Am. J. Hum. Genet. 101 , 5–22 (2017). В этой статье представлен отличный обзор основных выводов 10-летнего опыта GWAS и рассматриваются будущие задачи в области .

    Google ученый

  • 2.

    Фрайлинг, Т.M. et al. Распространенный вариант гена FTO связан с индексом массы тела и предрасполагает к ожирению у детей и взрослых. Science 316 , 889–894 (2007).

    ADS Google ученый

  • 3.

    Симинович К.А. PTPN22 и аутоиммунные заболевания. Nat. Genet. 36 , 1248–1249 (2004).

    Google ученый

  • 4.

    Ван, К.и другие. Разнообразные полногеномные исследования ассоциации связывают путь IL12 / IL23 с болезнью Крона. Am. J. Hum. Genet. 84 , 399–405 (2009).

    Google ученый

  • 5.

    Мошен А. Р., Тилг Х. и Рейн Т. ИЛ-12, ИЛ-23 и ИЛ-17 при ВЗК: иммунобиология и терапевтическое нацеливание. Nat. Преподобный Гастроэнтерол. Гепатол. 16 , 185–196 (2019).

    Google ученый

  • 6.

    Бенджамин, Д. Дж. И др. Обещания и подводные камни геноэкономики. Annu. Rev. Econ. 4 , 627–662 (2012).

    Google ученый

  • 7.

    Khera, A. V. et al. Полногеномные полигенные оценки распространенных заболеваний выявляют людей с риском, эквивалентным моногенным мутациям. Nat. Genet. 50 , 1219–1224 (2018).

    Google ученый

  • 8.

    Watanabe, K. et al. Глобальный обзор плейотропии и генетической архитектуры в сложных чертах. Nat. Genet. 51 , 1339–1348 (2019). В этой статье анализируются тысячи сложных признаков, чтобы составить график степени плейотропии в геноме человека, обнаруживая локусы, связанные с признаками, которые распространяются по большей части генома, и большинство из них связано с более чем одним признаком .

    Google ученый

  • 9.

    Ли, Дж.J. et al. Открытие генов и полигенное предсказание на основе общегеномного ассоциативного исследования уровня образования 1,1 миллиона человек. Nat. Genet. 50 , 1112–1121 (2018).

    Google ученый

  • 10.

    Jansen, P. R. et al. Полногеномный анализ бессонницы у 1331 010 человек позволяет выявить новые локусы риска и функциональные пути. Nat. Genet. 51 , 394–403 (2019). Вместе с Ли и др.(2018), это исследование было первым GWAS с размером выборки> 1000000 .

    Google ученый

  • 11.

    Holland, D. et al. Помимо наследственности SNP: полигенность и обнаруживаемость фенотипов, оцененные с помощью одномерной модели смеси Гаусса. PLOS Genet. 16 , e1008612 (2020).

    Google ученый

  • 12.

    Слаткин М. Нарушение равновесия сцепления — понимание эволюционного прошлого и картирование медицинского будущего. Nat. Преподобный Жене. 9 , 477–485 (2008).

    Google ученый

  • 13.

    Уффельманн, Э. и Постума, Д. Новые методы и ресурсы для биологического исследования нейропсихиатрического полигенного сигнала. Biol. Психиатрия 89 , 41–53 (2021).

    Google ученый

  • 14.

    Скол, А. Д., Скотт, Л. Дж., Абекасис, Г. Р., Бёнке, М.Совместный анализ более эффективен, чем анализ, основанный на репликации, для двухэтапных полногеномных ассоциативных исследований. Nat. Genet. 38 , 209–213 (2006).

    Google ученый

  • 15.

    Пёрселл, С., Черни, С.С. и Шэм, П.С. Калькулятор генетической силы: дизайн исследований сцепления и ассоциации генетического картирования сложных признаков. Биоинформатика 19 , 149–150 (2003).

    Google ученый

  • 16.

    Холмс, М. В., Ала-Корпела, М. и Смит, Г. Д. Менделирующая рандомизация кардиометаболических заболеваний: проблемы при оценке причинно-следственной связи. Nat. Rev. Cardiol. 14 , 577–590 (2017).

    Google ученый

  • 17.

    Fry, A. et al. Сравнение социально-демографических и связанных со здоровьем характеристик участников биобанка Великобритании с характеристиками населения в целом. Am. J. Epidemiol. 186 , 1026–1034 (2017).

    Google ученый

  • 18.

    Nagai, A. et al. Обзор японского проекта BioBank: дизайн и профиль исследования. J. Epidemiol. 27 , S2 – S8 (2017).

    Google ученый

  • 19.

    Rietveld, C.A. et al. Распространенные генетические варианты, связанные с когнитивными способностями, идентифицированные с использованием метода прокси-фенотипа. Proc. Natl Acad. Sci. США 111 , 13790–13794 (2014).

    ADS Google ученый

  • 20.

    Purcell, S. et al. PLINK: набор инструментов для анализа ассоциации всего генома и популяционного анализа сцепления. Am. J. Hum. Genet. 81 , 559–575 (2007).

    Google ученый

  • 21.

    Auton, A. et al. Глобальный справочник по генетической изменчивости человека. Природа 526 , 68–74 (2015).

    ADS Google ученый

  • 22.

    Taliun, D. et al. Секвенирование 53 831 различных геномов из программы NHLBI TOPMed. Природа 590 , 290–299 (2021).

    ADS Google ученый

  • 23.

    Lam, M. et al. RICOPILI: быстрое вменение для COnsortias PIpeLIne. Биоинформатика 36 , 930–933 (2020).

    Google ученый

  • 24.

    Marchini, J., Cardon, L.Р., Филлипс, М. С. и Доннелли, П. Влияние структуры человеческой популяции на крупные исследования генетических ассоциаций. Nat. Genet. 36 , 512–517 (2004).

    Google ученый

  • 25.

    Novembre, J. et al. Гены отражают географию внутри Европы. Nature 456 , 98–101 (2008).

    ADS Google ученый

  • 26.

    Лоусон, Д.J. et al. Является ли структура населения в эпоху генетических биобанков неуместной, проблемой или возможностью? Гум. Genet. 139 , 23–41 (2020).

    Google ученый

  • 27.

    Моррис Т. Т., Дэвис Н. М., Хемани Г. и Смит Г. Д. Популяционные феномены раздувают генетические ассоциации сложных социальных черт. Sci. Adv. 6 , eaay0328 (2020).

    ADS Google ученый

  • 28.

    Young, A. I. et al. Регрессия неравновесия по родству оценивает наследуемость без предвзятости со стороны окружающей среды. Nat. Genet. 50 , 1304–1310 (2018).

    Google ученый

  • 29.

    Kerminen, S. et al. Географические вариации и систематическая ошибка в полигенных оценках сложных заболеваний и признаков в Финляндии. Am. J. Hum. Genet. 104 , 1169–1181 (2019).

    Google ученый

  • 30.

    Заиди А. и Мэтисон И. Демографическая история опосредует влияние стратификации на полигенные оценки. eLife 9 , e61548 (2020). В этой статье исследуется влияние остаточной структуры популяции на GWAS в моделируемых популяциях с разной демографической историей и показано, что часто используемые методы, такие как основные компоненты общих вариантов, не могут исправить недавнюю стратификацию населения .

    Google ученый

  • 31.

    Brumpton, B. et al. Предотвращение династических, ассортативных спариваний и предубеждений стратификации населения при менделевской рандомизации посредством внутрисемейного анализа. Nat. Commun. 11 , 3519 (2020).

    ADS Google ученый

  • 32.

    Ландер, Э. С. и Шорк, Н. Дж. Генетическое вскрытие сложных признаков. Наука 265 , 2037–2048 (1994).

    ADS Google ученый

  • 33.

    Price, A. L. et al. Анализ основных компонентов корректирует стратификацию в полногеномных ассоциативных исследованиях. Nat. Genet. 38 , 904–909 (2006).

    Google ученый

  • 34.

    Пиринен, М., Доннелли, П. и Спенсер, К. С. А. Включение известных ковариат может снизить способность обнаруживать генетические эффекты в исследованиях «случай – контроль». Nat. Genet. 44 , 848–851 (2012).

    Google ученый

  • 35.

    Zhou, W. et al. Эффективный контроль дисбаланса случай-контроль и родства выборки в крупномасштабных исследованиях генетических ассоциаций. Nat. Genet. 50 , 1335–1341 (2018).

    Google ученый

  • 36.

    Лох, П.-Р., Кичаев, Г., Газал, С., Шох, А. П. и Прайс, А. Л. Ассоциация смешанных моделей для наборов данных в масштабе биобанка. Nat. Genet. 50 , 906–908 (2018).

    Google ученый

  • 37.

    Jiang, L. et al. Ресурсоэффективный инструмент для анализа ассоциаций смешанных моделей крупномасштабных данных. Nat. Genet. 51 , 1749–1755 (2019).

    Google ученый

  • 38.

    Альтшулер Д. и Доннелли П., Международный консорциум HapMap. Карта гаплотипов генома человека. Природа 437 , 1299–1320 (2005).

    ADS Google ученый

  • 39.

    Виллер, К. Дж., Ли, Ю. и Абекасис, Г. Р. МЕТАЛЛ: быстрый и эффективный мета-анализ сканирования ассоциаций в масштабе всего генома. Биоинформатика 26 , 2190–2191 (2010).

    Google ученый

  • 40.

    Baselmans, B. M. L. et al. Многовариантный анализ спектра благополучия по всему геному. Nat. Genet. 51 , 445–451 (2019).

    Google ученый

  • 41.

    Рангамаран, В. Р., Уппили, Б., Гопал, Д. и Рамалингам, К. EasyQC: инструмент с интерактивным пользовательским интерфейсом для эффективного контроля качества данных секвенирования следующего поколения. J. Comput. Биол. 25 , 1301–1311 (2018).

    Google ученый

  • 42.

    Winkler, T. W. et al. Контроль качества и проведение полногеномного метаанализа ассоциаций. Nat. Protoc. 9 , 1192–1212 (2014).

    Google ученый

  • 43.

    Wu, M.C. et al. Тестирование ассоциации редких вариантов для данных секвенирования с тестом ассоциации ядра последовательности. Am. J. Hum. Genet. 89 , 82–93 (2011).

    Google ученый

  • 44.

    Neale, B.M. et al. Тестирование на необычное распространение редких вариантов. PLoS Genet. 7 , e1001322 (2011).

    Google ученый

  • 45.

    Zaitlen, N. et al. Информированная обусловленность клинических переменных увеличивает эффективность исследований ассоциации случай-контроль. PLoS Genet. 8 , e1003032 (2012).

    Google ученый

  • 46.

    Москвина, В., Холманс, П., Шмидт, К. М. и Крэддок, Н. Дизайн исследований случай-контроль с неотобранными контролями. Ann. Гм. Genet. 69 , 566–576 (2005).

    Google ученый

  • 47.

    Пирасту Н. и др. Генетический анализ выявил широко распространенную предвзятость к участию в гендерных различиях. Nat. Genet. 53 , 663–671 (2021).

    Google ученый

  • 48.

    Беньямин, Б., Висшер, П. М. и МакРэй, А. Ф. Семейные исследования геномных ассоциаций. Фармакогеномика 10 , 181–190 (2009).

    Google ученый

  • 49.

    Teng, J. & Risch, N. Относительная сила семейных планов и схем случай-контроль для исследований неравновесия по сцеплению сложных заболеваний человека. II. индивидуальное генотипирование. Genome Res. 9 , 234–241 (1999).

    Google ученый

  • 50.

    Mostafavi, H. et al. Переменная точность предсказания полигенных оценок в пределах группы предков. eLife 9 , e48376 (2020).

    Google ученый

  • 51.

    Робинсон, М. Р. и др. Популяционная генетическая дифференциация роста и индекса массы тела в Европе. Nat. Genet. 47 , 1357–1362 (2015).

    Google ученый

  • 52.

    Перселл, С., Шэм, П. и Дейли, М. Дж. Родительские фенотипы в анализе семейных ассоциаций. Am. J. Hum. Genet. 76 , 249–259 (2005).

    Google ученый

  • 53.

    Абекасис, Г. Р., Кардон, Л. Р. и Куксон, У. О. С. Общий тест ассоциации количественных признаков в нуклеарных семьях. Am. J. Hum. Genet. 66 , 279–292 (2000).

    Google ученый

  • 54.

    Fulker, D. W., Cherny, S. S., Sham, P. C. & Hewitt, J. K. Комбинированный анализ сцепления и ассоциации сиб-пар для количественных признаков. Am. J. Hum. Genet. 64 , 259–267 (1999).

    Google ученый

  • 55.

    Чжоу, X. и Стивенс, М. Эффективный анализ смешанной модели всего генома для ассоциативных исследований. Nat. Genet. 44 , 821–824 (2012).

    Google ученый

  • 56.

    Mbatchou, J. et al. Вычислительная эффективная регрессия всего генома для количественных и бинарных признаков. Nat. Genet. 5 , 1097–1103 (2021).

    Google ученый

  • 57.

    Kong, A. et al. Природа воспитания: влияние родительских генотипов. Наука 359 , 424–428 (2018). В этой статье впервые показано, что часть сигнала в GWAS для некоторых признаков исходит от «косвенных генетических эффектов», которые действуют через родителей, а не непосредственно на индивида, и показано, как их можно разделить с данными о семье .

    ADS Google ученый

  • 58.

    Bates, T.C. et al. Природа воспитания: использование модели виртуальных родителей для проверки влияния воспитания на уровень образования детей в генотипированных семьях. Twin Res. Гм. Genet. 21 , 73–83 (2018).

    Google ученый

  • 59.

    Young, A. I. et al. Менделирующее вменение родительских генотипов для полногеномной оценки прямых и косвенных генетических эффектов. Препринт на bioRxiv https: // doi.org / 10.1101 / 2020.07.02.185199v1 (2020).

    Артикул Google ученый

  • 60.

    Howe, L. J. et al. GWAS внутри братства улучшает оценки прямых генетических эффектов. Препринт на bioRxiv https://doi.org/10.1101/2021.03.05.433935v1 (2021). Это исследование является крупнейшим на сегодняшний день GWAS в рамках одного братства и демонстрирует ценность этого метода для отделения прямых генетических эффектов от косвенных генетических эффектов и структуры населения .

    Артикул Google ученый

  • 61.

    Лю, Дж. З., Эрлих, Ю. и Пикрелл, Дж. К. Картирование ассоциации «случай – контроль» по доверенности с использованием семейного анамнеза болезни. Nat. Genet. 49 , 325–331 (2017).

    Google ученый

  • 62.

    Hujoel, M. L. A., Gazal, S., Loh, P.-R., Patterson, N. & Price, A. L. Моделирование пороговых значений ответственности для контроля статуса и семейного анамнеза болезни увеличивает силу ассоциации. Nat. Genet. 52 , 541–547 (2020).

    Google ученый

  • 63.

    Hatzikotoulas, K., Gilly, A. & Zeggini, E. Использование популяционных изолятов в исследованиях генетических ассоциаций. Краткое. Funct. Геномика 13 , 371–377 (2014).

    Google ученый

  • 64.

    Xue, Y. et al. Обогащение низкочастотных функциональных вариантов, выявленных с помощью полногеномного секвенирования нескольких изолированных европейских популяций. Nat. Commun. 8 , 15927 (2017).

    ADS Google ученый

  • 65.

    Chheda, H. et al. Полногеномный взгляд на последствия узкого места в популяции с использованием 2926 последовательностей генома из Финляндии и Соединенного Королевства. Eur. J. Hum. Genet. 25 , 477–484 (2017).

    Google ученый

  • 66.

    Lim, E. T. et al. Распространение и медицинские последствия вариантов потери функции в популяции финских основателей. PLoS Genet. 10 , e1004494 (2014). Эта статья дает хорошую иллюстрацию значения изолированных популяций для выявления вариантов основателя с большим эффектом, которые редко встречаются в других популяциях .

    Google ученый

  • 67.

    Service, S. et al. Величина и распределение неравновесия по сцеплению в популяционных изолятах и ​​значение для полногеномных ассоциативных исследований. Nat. Genet. 38 , 556–560 (2006).

    Google ученый

  • 68.

    Kong, A. et al. Обнаружение совместного использования по происхождению, фазировке на большие расстояния и вменению гаплотипа. Nat. Genet. 40 , 1068–1075 (2008).

    Google ученый

  • 69.

    Пэйлин, К., Кэмпбелл, Х., Райт, А. Ф., Уилсон, Дж. Ф. и Дурбин, Р. Фазирование и вменение на основе идентичности по происхождению в популяциях основателей с использованием графических моделей. Genet. Эпидемиол. 35 , 853–860 (2011).

    Google ученый

  • 70.

    Glodzik, D. et al. Вывод идентичности по происхождению в популяционных изолятах и ​​исследования оптимального секвенирования. Eur. J. Hum. Genet. 21 , 1140–1145 (2013).

    Google ученый

  • 71.

    Уриккио, Л. Х., Чонг, Дж. Х., Росс, К. Д., Обер, К. и Николае, Д.L. Точное вменение редких и распространенных вариантов в популяции-основателе из небольшого числа секвенированных особей. Genet. Эпидемиол. 36 , 312–319 (2012).

    Google ученый

  • 72.

    Herzig, A. F. et al. Стратегии поэтапного включения и вменения в популяционном изоляте. Genet. Эпидемиол. 42 , 201–213 (2018).

    Google ученый

  • 73.

    Зеггини, Э., Глойн, А. Л. и Хансен, Т. Понимание метаболических заболеваний на основе изучения генетики в изолированных популяциях: истории от Греции до Гренландии. Диабетология 59 , 938–941 (2016).

    Google ученый

  • 74.

    Sidore, C. et al. Секвенирование генома проясняет генетическую архитектуру Сардинии и расширяет анализ ассоциаций липидов и маркеров воспаления крови. Nat. Genet. 47 , 1272–1281 (2015).

    Google ученый

  • 75.

    Do, R. et al. Секвенирование экзома выявляет редкие аллели LDLR и APOA5, создающие риск инфаркта миокарда. Природа 518 , 102–106 (2015).

    Google ученый

  • 76.

    Bycroft, C. et al. Ресурс UK Biobank с глубоким фенотипированием и геномными данными. Природа 562 , 203–209 (2018). В этом документе описывается получение генетических данных для Биобанка Великобритании, которые широко использовались в GWAS .

    ADS Google ученый

  • 77.

    Yengo, L. et al. Мета-анализ полногеномных ассоциативных исследований роста и индекса массы тела у ∼700000 особей европейского происхождения. Гум. Мол. Genet. 27 , 3641–3649 (2018).

    Google ученый

  • 78.

    Astle, W. J. et al. Аллельный ландшафт вариабельности признаков клеток крови человека и связь с распространенным комплексным заболеванием. Ячейка 167 , 1415–1429.e19 (2016).

    Google ученый

  • 79.

    Sinnott-Armstrong, N. et al. Генетика 35 биомаркеров крови и мочи в Биобанке Великобритании. Nat. Genet. 53 , 185–194 (2021).

    Google ученый

  • 80.

    Hill, W. D. et al. Комбинированный анализ генетически коррелированных признаков определяет 187 локусов и роль нейрогенеза и миелинизации в интеллекте. Мол. Психиатрия 24 , 169–181 (2019).

    Google ученый

  • 81.

    Elliott, L. T. et al. Полногеномные ассоциативные исследования фенотипов изображений мозга в UK Biobank. Природа 562 , 210–216 (2018).

    ADS Google ученый

  • 82.

    Thorp, J. G. et al. Моделирование на уровне симптомов раскрывает общую генетическую архитектуру тревоги и депрессии. Nat. Гм. Behav. https://doi.org/10.1038/s41562-021-01094-9 (2021 г.).

    Артикул Google ученый

  • 83.

    Christophersen, I.E. et al. Масштабный анализ распространенных и редких вариантов позволяет выявить 12 новых локусов, связанных с фибрилляцией предсердий. Nat. Genet. 49 , 946–952 (2017).

    Google ученый

  • 84.

    Ferreira, M.A.R. et al. Информация о возрасте начала помогает идентифицировать 76 генетических вариантов, связанных с аллергическим заболеванием. PLoS Genet. 16 , e1008725 (2020).

    Google ученый

  • 85.

    Purves, K. L. et al. Важная роль в общих генетических вариациях тревожных расстройств. Мол. Психиатрия https: // doi.org / 10.1038 / s41380-019-0559-1 (2019).

    Артикул Google ученый

  • 86.

    Peterson, R.E. et al. Полногеномные исследования ассоциаций у разных по наследству популяций: возможности, методы, подводные камни и рекомендации. Cell 179 , 589–603 (2019).

    Google ученый

  • 87.

    Van Hout, C.V. et al. Секвенирование экзома и характеристика 49 960 человек в Биобанке Великобритании. Природа 586 , 749–756 (2020).

    ADS Google ученый

  • 88.

    Watanabe, K., Taskesen, E., van Bochoven, A. & Posthuma, D. Функциональное картирование и аннотация генетических ассоциаций с FUMA. Nat. Commun. 8 , 1826 (2017).

    ADS Google ученый

  • 89.

    Pruim, R.J. et al. LocusZoom: региональная визуализация результатов сканирования ассоциаций по всему геному. Биоинформатика 26 , 2336–2337 (2010).

    Google ученый

  • 90.

    Raychaudhuri, S. Картирование редких и распространенных причинных аллелей сложных заболеваний человека. Cell 147 , 57–69 (2011).

    Google ученый

  • 91.

    Шайд, Д. Дж., Чен, В. и Ларсон, Н. Б. От полногеномных ассоциаций до возможных причинных вариантов с помощью точного статистического картирования. Nat. Преподобный Жене. 19 , 491–504 (2018).

    Google ученый

  • 92.

    Yang, J. et al. Условный и совместный множественный SNP-анализ сводной статистики GWAS выявляет дополнительные варианты, влияющие на сложные признаки. Nat. Genet. 44 , 369–375 (2012).

    Google ученый

  • 93.

    Хормоздиари Ф., Костем Э., Канг Э.Ю., Пасанюк Б. и Эскин Е. Идентификация причинных вариантов в локусах с множественными сигналами ассоциации. Генетика 198 , 497–508 (2014).

    Google ученый

  • 94.

    Benner, C. et al. FINEMAP: эффективный выбор переменных с использованием сводных данных полногеномных ассоциативных исследований. Биоинформатика 32 , 1493–1501 (2016).

    Google ученый

  • 95.

    Кичаев Г. и др. Интеграция функциональных данных для определения приоритетности причинных вариантов в исследованиях с точным статистическим картированием. PLoS Genet. 10 , e1004722 (2014).

    Google ученый

  • 96.

    Ван Г., Саркар А., Карбонетто П. и Стивенс М. Новый простой подход к отбору переменных в регрессии с приложением к тонкому генетическому картированию. J. R. Stat. Soc. Сер. B Стат. Методол. 82 , 1273–1300 (2020).

    MathSciNet Google ученый

  • 97.

    Durbin, R.M. et al. Карта вариаций генома человека по результатам популяционного секвенирования. Природа 467 , 1061–1073 (2010).

    ADS Google ученый

  • 98.

    Karczewski, K. J. et al. Спектр мутационных ограничений количественно определен по вариациям у 141 456 человек. Природа 581 , 434–443 (2020).

    ADS Google ученый

  • 99.

    Дендроу, К. А., Петерсен, Дж., Россджон, Дж. И Фуггер, Л. Вариации и заболевание HLA. Nat. Rev. Immunol. 18 , 325–339 (2018).

    Google ученый

  • 100.

    Study, T. I. H. C. Основные генетические детерминанты контроля ВИЧ-1 влияют на презентацию пептида HLA класса I. Наука 330 , 1551–1557 (2010).

    ADS Google ученый

  • 101.

    Raychaudhuri, S. et al. Пять аминокислот в трех белках HLA объясняют большую часть ассоциации между MHC и серопозитивным ревматоидным артритом. Nat. Genet. 44 , 291–296 (2012).

    Google ученый

  • 102.

    Jia, X. et al. Внесение аминокислотного полиморфизма в лейкоцитарные антигены человека. PLoS ONE 8 , e64683 (2013).

    ADS Google ученый

  • 103.

    Zheng, X. et al. HIBAG — вменение генотипа HLA с добавлением атрибутов. Pharmacogenomics J. 14 , 192–200 (2014).

    Google ученый

  • 104.

    Дилтей, А. Т., Мутсианас, Л., Лесли, С. и Маквин, Г. HLA * IMP — интегрированная структура для вменения классических аллелей HLA из генотипов SNP. Биоинформатика 27 , 968–972 (2011).

    Google ученый

  • 105.

    Hirata, J. et al. Генетический и фенотипический ландшафт области главного комплекса гистосовместимости в популяции Японии. Nat. Genet. 51 , 470–480 (2019).

    Google ученый

  • 106.

    Vukcevic, D. et al. Расчет типов KIR из данных вариации SNP. Am. J. Hum. Genet. 97 , 593–607 (2015).

    Google ученый

  • 107.

    Yamamoto, K. et al. Генетический и фенотипический ландшафт митохондриального генома в популяции Японии. Commun. Биол. 3 , 1–11 (2020).

    Google ученый

  • 108.

    Huang, H. et al. Точное картирование локусов воспалительного заболевания кишечника для разрешения единственного варианта. Природа 547 , 173–178 (2017).

    ADS Google ученый

  • 109.

    Fachal, L. et al. При точном картировании 150 регионов риска рака груди идентифицирован 191 вероятный ген-мишень. Nat. Genet. 52 , 56–73 (2020).

    Google ученый

  • 110.

    Buniello, A. et al. Каталог опубликованных полногеномных ассоциативных исследований, целевых массивов и сводных статистических данных за 2019 год NHGRI-EBI GWAS. Nucleic Acids Res. 47 , D1005 – D1012 (2019).

    Google ученый

  • 111.

    Синнотт-Армстронг, Н., Накви, С., Ривас, М. и Притчард, Дж. К. GWAS трех молекулярных признаков выделяет основные гены и пути наряду с высокополигенным фоном. eLife 10 , e58615 (2021).

    Google ученый

  • 112.

    Smemo, S.и другие. Связанные с ожирением варианты внутри FTO образуют функциональные связи дальнего действия с IRX3. Природа 507 , 371–375 (2014).

    ADS Google ученый

  • 113.

    Musunuru, K. et al. От некодирующего варианта к фенотипу через SORT1 в локусе холестерина 1p13. Природа 466 , 714–719 (2010).

    ADS Google ученый

  • 114.

    Ван, К., Ли, М. и Хаконарсон, Х. ANNOVAR: функциональная аннотация генетических вариантов на основе данных высокопроизводительного секвенирования. Nucleic Acids Res. 38 , e164 – e164 (2010).

    Google ученый

  • 115.

    McLaren, W. et al. Предиктор ансамблевого варианта эффекта. Genome Biol. 17 , 122 (2016).

    Google ученый

  • 116.

    Maurano, M. T. et al. Систематическая локализация общих вариаций в регуляторной ДНК, связанных с заболеванием. Наука 337 , 1190–1195 (2012).

    ADS Google ученый

  • 117.

    Так, Ю. Г. и Фарнхэм, П. Дж. Осмысление GWAS: использование эпигеномики и геномной инженерии для понимания функциональной значимости SNP в некодирующих областях генома человека. Epigenetics Chromatin 8 , 57 (2015).

    Google ученый

  • 118.

    Barbeira, A. N. et al. Использование ресурсов GTEx для расшифровки механизмов в локусах GWAS. Genome Biol. 22 , 49 (2021).

    Google ученый

  • 119.

    Nasser, J. et al. Полногеномные карты энхансеров связывают варианты риска с генами болезни. Природа 593 , 238–243 (2021).

    ADS Google ученый

  • 120.

    Моррис, Дж. А. и др. Обнаружение генов-мишеней и путей локусов признаков крови с использованием объединенных CRISPR-скринингов и секвенирования одноклеточной РНК. Препринт на bioRxiv https://doi.org/10.1101/2021.04.07.438882v1 (2021).

    Артикул Google ученый

  • 121.

    Li, Y. I. et al. Сплайсинг РНК — это первичное звено между генетической изменчивостью и заболеванием. Наука 352 , 600–604 (2016).

    ADS Google ученый

  • 122.

    Консорциум GTEx. Атлас генетических регуляторных эффектов консорциума GTEx в тканях человека. Наука 369 , 1318–1330 (2020).

    Google ученый

  • 123.

    van der Wijst, M. et al. Консорциум eQTLGen с одной ячейкой. eLife 9 , e52155 (2020).

    Google ученый

  • 124.

    Керимов Н. и др. Каталог eQTL: сборник однородно обработанных экспрессий генов человека и сплайсинговых QTL.Препринт на bioRxiv https://doi.org/10.1101/2020.01.29.

  • 6v1 (2020).

    Артикул Google ученый

  • 125.

    Гусев А. и др. Интегративные подходы для крупномасштабных исследований ассоциации транскриптомов. Nat. Genet. 48 , 245–252 (2016).

    Google ученый

  • 126.

    GTEx Consortium et al. Метод ассоциации на основе генов для картирования признаков с использованием эталонных данных транскриптома. Nat. Genet. 47 , 1091–1098 (2015).

    Google ученый

  • 127.

    Hormozdiari, F. et al. Совместная локализация сигналов GWAS и eQTL обнаруживает гены-мишени. Am. J. Hum. Genet. 99 , 1245–1260 (2016).

    Google ученый

  • 128.

    Вен, X., Пике-Реги, Р. и Лука, Ф. Интеграция молекулярных данных QTL в анализ генетической ассоциации всего генома: вероятностная оценка обогащения и совместной локализации. PLoS Genet. 13 , e1006646 (2017).

    Google ученый

  • 129.

    Giambartolomei, C. et al. Байесовский тест для совместной локализации между парами исследований генетических ассоциаций с использованием сводной статистики. PLoS Genet. 10 , e1004383 (2014).

    Google ученый

  • 130.

    Клейнджан, Д. А. и ван Хейнинген, В. Контроль экспрессии генов на больших расстояниях: новые механизмы и нарушения в болезни. Am. J. Hum. Genet. 76 , 8–32 (2005).

    Google ученый

  • 131.

    Greenwald, W. W. et al. Незначительные изменения в предрасположенности к контакту петли хроматина связаны с дифференциальной регуляцией и экспрессией генов. Nat. Commun. 10 , 1054 (2019).

    ADS Google ученый

  • 132.

    Thurman, R.E. et al. Доступный хроматиновый ландшафт генома человека. Природа 489 , 75–82 (2012).

    ADS Google ученый

  • 133.

    Gasperini, M. et al. Полногеномная структура для картирования регуляции генов с помощью клеточного генетического скрининга. Ячейка 176 , 377–390.e19 (2019).

    Google ученый

  • 134.

    Малви, Б., Лагунас, Т. и Догерти, Дж. Д. Массивно параллельные репортерные анализы: определение функциональных психиатрических генетических вариантов в биологических контекстах. Biol. Психиатрия https://doi.org/10.1016/j.biopsych.2020.06.011 (2020).

    Артикул Google ученый

  • 135.

    Canver, M.C. et al. Рассечение энхансера BCL11A посредством Cas9-опосредованного насыщающего мутагенеза in situ. Природа 527 , 192–197 (2015).

    ADS Google ученый

  • 136.

    de Leeuw, C. A., Mooij, J. M., Heskes, T. & Posthuma, D.MAGMA: обобщенный анализ набора генов данных GWAS. PLoS Comput. Биол. 11 , e1004219 (2015).

    Google ученый

  • 137.

    Pers, T. H. et al. Биологическая интерпретация полногеномных ассоциативных исследований с использованием предсказанных функций генов. Nat. Commun. 6 , 5890 (2015).

    Google ученый

  • 138.

    Võsa, U. et al. Раскрытие полигенной архитектуры сложных признаков с использованием метаанализа eQTL крови.Препринт на bioRxiv https://doi.org/10.1101/447367 (2018).

    Артикул Google ученый

  • 139.

    Dixit, A. et al. Perturb-seq: рассечение молекулярных цепей с масштабируемым профилированием одноклеточной РНК объединенных генетических скринингов. Cell 167 , 1853–1866.e17 (2016).

    Google ученый

  • 140.

    Adamson, B. et al. Платформа мультиплексного одноэлементного скрининга CRISPR позволяет систематически анализировать развернутый белковый ответ. Cell 167 , 1867–1882.e21 (2016).

    Google ученый

  • 141.

    Regev, A. et al. Атлас клеток человека. eLife 6 , e27041 (2017).

    Google ученый

  • 142.

    Choi, S. W., Mak, T. S.-H. & O’Reilly, P. F. Учебное пособие: руководство по проведению анализа полигенных оценок риска. Nat. Protoc. 15 , 2759–2772 (2020).

    Google ученый

  • 143.

    Мартин А. Р., Дейли М. Дж., Робинсон Э. Б., Хайман С. Э. и Нил Б. М. Прогнозирование полигенного риска психических расстройств. Biol. Психиатрия 86 , 97–109 (2019).

    Google ученый

  • 144.

    Euesden, J., Lewis, C. M. & O’Reilly, P. F. PRSice: программное обеспечение для оценки полигенного риска. Биоинформатика 31 , 1466–1468 (2015).

    Google ученый

  • 145.

    Международный консорциум по шизофрении. и другие. Общие полигенные вариации повышают риск шизофрении и биполярного расстройства. Природа 460 , 748–752 (2009).

    Google ученый

  • 146.

    Ge, T., Chen, C.-Y., Ni, Y., Feng, Y.-C. А. и Смоллер, Дж. У. Полигенное прогнозирование с помощью байесовской регрессии и априорных значений непрерывной усадки. Nat. Commun. 10 , 1776 (2019).

    ADS Google ученый

  • 147.

    Lloyd-Jones, L.R. et al. Улучшенное полигенное предсказание с помощью байесовской множественной регрессии по сводной статистике. Nat. Commun. 10 , 5086 (2019).

    ADS Google ученый

  • 148.

    Márquez-Luna, C., Loh, P.-R., Южноазиатский консорциум по диабету 2 типа (SAT2D), Консорциум SIGMA по диабету 2 типа и Прайс, A.L. Многоэтнические полигенные оценки риска улучшают прогнозирование риска в различных группах населения. Genet. Эпидемиол. 41 , 811–823 (2017).

    Google ученый

  • 149.

    Márquez-Luna, C. et al. Моделирование функционального обогащения повышает точность полигенного прогнозирования в наборах данных UK Biobank и 23andMe. Препринт на bioRxiv https://doi.org/10.1101/375337v1 (2018).

    Артикул Google ученый

  • 150.

    Privé, F., Arbel, J. & Vilhjálmsson, B.J. LDpred2: лучше, быстрее, сильнее. Биоинформатика https://doi.org/10.1093/bioinformatics/btaa1029 (2020).

    Артикул Google ученый

  • 151.

    Vilhjálmsson, B.J. et al. Моделирование неравновесия по сцеплению повышает точность оценок полигенного риска. Am. J. Hum. Genet. 97 , 576–592 (2015).

    Google ученый

  • 152.

    Ли, С. Х., Рэй, Н. Р., Годдард, М. Э. и Вишер, П. М. Оценка недостающей наследственности болезни на основе полногеномных ассоциативных исследований. Am. J. Hum. Genet. 88 , 294–305 (2011).

    Google ученый

  • 153.

    Голан, Д., Ландер, Э. С. и Россет, С. Измерение недостающей наследуемости: определение вклада общих вариантов. Proc. Natl Acad. Sci. США 111 , E5272 – E5281 (2014).

    ADS Google ученый

  • 154.

    Craig, J. E. et al. Многократный анализ глаукомы определяет новые локусы риска и дает возможность полигенного прогнозирования предрасположенности и прогрессирования заболевания. Nat. Genet. 52 , 160–166 (2020).

    Google ученый

  • 155.

    Лопес-Ратон, М., Родригес-Альварес, М. X., Кадарсо-Суарес, К. и Гуде-Сампедро, Ф.OptimalCutpoints: пакет R для выбора оптимальных точек отсечения в диагностических тестах. J. Stat. Софтв. 61 , 1–36 (2014).

    Google ученый

  • 156.

    Уолд, Н. Дж. И Олд, Р. Иллюзия прогнозирования риска полигенных заболеваний. Genet. Med. 21 , 1705–1707 (2019).

    Google ученый

  • 157.

    Mihaescu, R. et al. Улучшение прогнозирования рисков с помощью геномного профилирования: меры переклассификации по сравнению с площадью под кривой рабочих характеристик приемника. Am. J. Epidemiol. 172 , 353–361 (2010).

    Google ученый

  • 158.

    Ли Р., Чен Й., Ричи М. Д. и Мур Дж. Х. Электронные медицинские записи и оценки полигенного риска для прогнозирования риска заболевания. Nat. Преподобный Жене. 21 , 493–502 (2020).

    Google ученый

  • 159.

    Mars, N. et al. Полигенные и клинические оценки риска и их влияние на возраст начала и прогноз кардиометаболических заболеваний и распространенных видов рака. Nat. Med. 26 , 549–557 (2020).

    Google ученый

  • 160.

    Riveros-Mckay, F. et al. Интегрированный полигенный инструмент значительно улучшает прогнозирование ишемической болезни сердца. Circ. Геномная точность. Med. 14 , e003304 (2021). В этой статье предлагается метод интеграции оценок клинического риска и PRS для ишемической болезни сердца и демонстрируется повышенная прогностическая точность PRS по сравнению с установленными клиническими факторами риска у лиц европейского происхождения из британского Биобанка .

    Google ученый

  • 161.

    Sun, L. et al. Полигенные оценки риска в прогнозировании сердечно-сосудистого риска: когортное исследование и моделирование. PLoS Med. 18 , e1003498 (2021). В этой статье модели прогнозирования рисков Британского Биобанка были перекалиброваны с учетом того, что можно было бы ожидать от непредвзятого населения Великобритании, чтобы учесть предвзятость, вызванную тем, что участники британского Биобанка были более здоровыми и богатыми, что редко учитывается в других исследованиях в этой области.

    Google ученый

  • 162.

    Weale, M. E. et al. Валидация интегрированного инструмента оценки риска, включая полигенную оценку риска, атеросклеротического сердечно-сосудистого заболевания у представителей разных национальностей и предков. Am. J. Cardiol. 148 , 157–164 (2021). В данной статье применяется интегрированная модель, предложенная Riveros-Mckay et al. (2021) для различных групп населения в Биобанке Великобритании и обеспечивает первую перекрестную проверку клинической полезности добавления полигенных оценок в инструменты клинического риска .

    Google ученый

  • 163.

    Martin, A. R. et al. Демографический анамнез человека влияет на прогнозирование генетического риска в различных популяциях. Am. J. Hum. Genet. 100 , 635–649 (2017).

    Google ученый

  • 164.

    Martin, A. R. et al. Клиническое использование текущих полигенных оценок риска может усугубить диспропорции в отношении здоровья. Nat. Genet. 51 , 584–591 (2019).

    Google ученый

  • 165.

    Скутари М., Маккей И. и Болдинг Д. Использование генетической дистанции для определения точности геномного предсказания. PLoS Genet. 12 , e1006288 (2016).

    Google ученый

  • 166.

    Sakaue, S. et al. Функциональные варианты ADh2B и ALDh3 неаддитивно связаны со смертностью от всех причин в популяции Японии. Eur. J. Hum. Genet. 28 , 378–382 (2020).

    Google ученый

  • 167.

    Cavazos, T. B. & Witte, J. S. Включение вариантов, обнаруженных из различных популяций, улучшает переносимость оценки полигенного риска. HGG Adv. 2 , 100017 (2021).

    Google ученый

  • 168.

    Lam, M. et al. Сравнительная генетическая архитектура шизофрении в популяциях Восточной Азии и Европы. Nat. Genet. 51 , 1670–1678 (2019).

    Google ученый

  • 169.

    Wand, H. et al. Улучшение стандартов отчетности для полигенных оценок в исследованиях прогнозирования рисков. Природа 591 , 211–219 (2021).

    ADS Google ученый

  • 170.

    Lambert, S.A. et al. Каталог полигенных оценок как открытая база данных для воспроизводимости и систематической оценки. Nat. Genet. 53 , 420–425 (2021).

    Google ученый

  • 171.

    Фишер, Р. А. XV. — Корреляция между родственниками по предположению менделевской наследственности. Earth Environ. Sci. Пер. R. Soc. Edinb. 52 , 399–433 (1919).

    Google ученый

  • 172.

    Фалконер, Д. С. и Маккей, Т. Ф. С. Введение в количественную генетику (Пирсон, Прентис Холл, 2009).

  • 173.

    Янг, Дж., Ли, С. Х., Годдард, М. Э. и Вишер, П. М. GCTA: инструмент для анализа комплексных признаков в масштабе всего генома. Am. J. Hum. Genet. 88 , 76–82 (2011).

    Google ученый

  • 174.

    Рабочая группа по шизофрении Консорциума психиатрической геномики. и другие. Регрессия оценки LD отличает искажение от полигенности в исследованиях общегеномных ассоциаций. Nat. Genet. 47 , 291–295 (2015).

    Google ученый

  • 175.

    Wainschtein, P. et al. Восстановление наследуемости признака из данных последовательности всего генома. Препринт на bioRxiv https://doi.org/10.1101/588020 (2019).

    Артикул Google ученый

  • 176.

    Schoech, A. P. et al. Количественная оценка частотно-зависимой генетической архитектуры 25 признаков биобанка Великобритании выявляет действие негативного отбора. Nat. Commun. 10 , 790 (2019).

    ADS Google ученый

  • 177.

    Бомба, Л., Уолтер, К. и Соранцо, Н. Влияние редких и низкочастотных генетических вариантов на распространенное заболевание. Genome Biol. 18 , 77 (2017).

    Google ученый

  • 178.

    Берген, С. Э., Гарднер, К. О. и Кендлер, К. С. Возрастные изменения наследуемости поведенческих фенотипов в подростковом и юном возрасте: метаанализ. Twin Res. Гм. Genet. 10 , 423–433 (2007).

    Google ученый

  • 179.

    Bernabeu, E. et al. Половые различия в генетической архитектуре в Биобанке Великобритании. Препринт на bioRxiv https://doi.org/10.1101/2020.07.20.211813v1 (2020).

    Артикул Google ученый

  • 180.

    Heath, A.C. et al. Политика в области образования и наследственность образовательных достижений. Nature 314 , 734–736 (1985).

    ADS Google ученый

  • 181.

    Browning, S. R. & Browning, B.L. Структура популяции может преувеличивать оценки наследуемости на основе SNP. Am. J. Hum. Genet. 89 , 191–193; ответ автора 193–195 (2011).

    Google ученый

  • 182.

    Verbanck, M., Chen, C.-Y., Neale, B. & Do, R.Обнаружение широко распространенной горизонтальной плейотропии в причинно-следственных связях, выведенных из менделевской рандомизации между сложными признаками и заболеваниями. Nat. Genet. 50 , 693–698 (2018).

    Google ученый

  • 183.

    Zhang, Y. et al. Локальный генетический корреляционный анализ показывает неоднородное этиологическое сходство сложных признаков. Препринт на bioRxiv https://doi.org/10.1101/2020.05.08.084475v1 (2020).

    Артикул Google ученый

  • 184.

    Ши, Х., Манкузо, Н., Спендлов, С. и Пасанюк, Б. Локальная генетическая корреляция дает представление об общей генетической архитектуре сложных признаков. Am. J. Hum. Genet. 101 , 737–751 (2017).

    Google ученый

  • 185.

    Werme, J., Sluis, Svander, Posthuma, D. & de Leeuw, C.A. LAVA: интегрированная структура для анализа локальной генетической корреляции. Препринт на bioRxiv https: // doi.org / 10.1101 / 2020.12.31.424652v1 (2021 г.).

    Артикул Google ученый

  • 186.

    Джордан, Д. М., Вербанк, М. и До, Р. ХОПС: количественная оценка показывает, что повсеместная горизонтальная плейотропия в генетической изменчивости человека обусловлена ​​крайней полигенностью человеческих черт и болезней. Genome Biol. 20 , 222 (2019).

    Google ученый

  • 187.

    Смит, Г.Д. и Эбрахим, С. «Менделирующая рандомизация»: может ли генетическая эпидемиология способствовать пониманию экологических детерминант болезней? Внутр. J. Epidemiol. 32 , 1-22 (2003).

    Google ученый

  • 188.

    Эванс, Д. М. и Смитс, Г. Д. Менделирующая рандомизация: новые приложения в наступающую эпоху безгипотезной причинности. Annu. Rev. Genomics Hum. Genet. 16 , 327–350 (2015).

    Google ученый

  • 189.

    Wellcome Trust. Обмен данными крупномасштабных проектов биологических исследований: система трехсторонней ответственности Vol. 6 (Wellcome Trust, 2003).

  • 190.

    COVID-19 Host Genetics Initiative. COVID-19 Host Genetics Initiative, глобальная инициатива по выяснению роли генетических факторов хозяина в восприимчивости и серьезности пандемии вируса SARS-CoV-2. Eur.J. Hum. Genet. 28 , 715–718 (2020). В этой статье представлена ​​недавно созданная Инициатива по генетике хозяев COVID-19 в качестве яркого примера сотрудничества и командной работы, которая формируется в течение нескольких месяцев, быстро объединяет данные в массивный ресурс, быстро кристаллизует результаты и делает все это бесплатно доступным для ученых .

    Google ученый

  • 191.

    Кнопперс, Б. М. Структура ответственного обмена геномными данными и данными, связанными со здоровьем. HUGO J. 8 , 3 (2014).

    Google ученый

  • 192.

    Peloquin, D., DiMaio, M., Bierer, B. & Barnes, M. Подрывные и предотвратимые: вызовы GDPR для вторичного использования данных в исследованиях. Eur. J. Hum. Genet. 28 , 697–705 (2020).

    Google ученый

  • 193.

    Staunton, C. et al. Закон о защите личной информации 2013 г. и о защите данных для медицинских исследований в Южной Африке. Внутр. Данные Priv. Закон 10 , 160–179 (2020).

    Google ученый

  • 194.

    Мольнар-Габор, Ф. и Корбель, Дж. О. Обмен геномными данными в Европе затруднен. Может ли кодекс поведения предотвратить его падение? EMBO Mol. Med. 12 , e11421 (2020).

    Google ученый

  • 195.

    Wilkinson, M. D. et al. Руководящие принципы FAIR для управления научными данными и их рационального использования. Sci. Данные 3 , 160018 (2016).

    Google ученый

  • 196.

    Безюйденхаут, Л. и Чакауя, Э. Скрытые проблемы обмена данными исследований учеными из стран с низким / средним уровнем доходов. Glob. Bioeth. Пробл. Bioet. 29 , 39–54 (2018).

    Google ученый

  • 197.

    Булл, С. Обзор: Обеспечение глобальной справедливости в открытых исследованиях. Wellcome Trust https://doi.org/10.6084/M9.FIGSHARE.4055181.V1 (2016).

    Артикул Google ученый

  • 198.

    de Vries, J. et al. Основы политики h4Africa: переговоры о справедливости в геномике. Trends Genet. 31 , 117–119 (2015).

    Google ученый

  • 199.

    Yakubu, A. et al. Модельная структура для управления геномными исследованиями и биобанками в Африке — описание содержания. AAS Open Res. 1 , 13 (2018).

    Google ученый

  • 200.

    O’Doherty, K.C. et al. На пути к лучшему управлению геномными данными человека. Nat. Genet. 53 , 2–8 (2021).

    Google ученый

  • 201.

    Lyon, M. S. et al. Формат вызова вариантов обеспечивает эффективное и надежное хранение сводной статистики GWAS. Genome Biol. 22 , 32 (2021).

    Google ученый

  • 202.

    Носек, Б. А., Эберсол, К. Р., Де Хейвен, А. К. и Меллор, Д. Т. Революция до регистрации. Proc. Natl Acad. Sci. США 115 , 2600–2606 (2018).

    Google ученый

  • 203.

    Боско, Ф. А., Агуинис, Х., Филд, Дж. Г., Пирс, К. А. и Далтон, Д. Р. ХАРКИНГ Угроза исследованиям организации: данные из первичных и метааналитических источников. чел. Psychol. 69 , 709–750 (2016).

    Google ученый

  • 204.

    Керр, Н. Л. ХАРКИНГ: выдвижение гипотез после того, как результаты известны. Личный. Soc. Psychol. Ред. 2 , 196–217 (1998).

    Google ученый

  • 205.

    Колхун, Х. М., МакКейг, П. М. и Смит, Г. Д. Проблемы сообщения генетических ассоциаций со сложными исходами. Ланцет 361 , 865–872 (2003).

    Google ученый

  • 206.

    Джон, Л. К., Левенштейн, Г. и Прелек, Д. Измерение распространенности сомнительной исследовательской практики с помощью стимулов к раскрытию правды. Psychol. Sci. 23 , 524–532 (2012).

    Google ученый

  • 207.

    Chambers, C. D., Feredoes, E., Muthukumaraswamy, S.Д. и Этчеллс, П. Дж. Вместо того, чтобы «играть в игру», пора изменить правила: зарегистрированные отчеты в AIMS Neuroscience и не только. AIMS Neurosci. 1 , 4 (2014). В этом документе представлена ​​концепция зарегистрированных отчетов, формат публикации, в котором экспертная оценка проводится до сбора и анализа данных .

    Google ученый

  • 208.

    Сонг, Ф., Хупер и Локи, Ю. Публикационная предвзятость: что это? Как мы это измеряем? Как этого избежать? Открытый доступ J.Clin. Испытания https://doi.org/10.2147/OAJCT.S34419 (2013).

    Артикул Google ученый

  • 209.

    Сайед М. и Доннеллан М. Б. Зарегистрированные отчеты с данными о развитии и вторичными данными: некоторые краткие наблюдения и введение в специальный выпуск. Emerg. Взрослый 8 , 255–258 (2020).

    Google ученый

  • 210.

    Ван ден Аккер, О.и другие. Предварительная регистрация вторичного анализа данных: шаблон и учебник. Препринт на PsyArXiv https://doi.org/10.31234/osf.io/hvfmr (2019).

    Артикул Google ученый

  • 211.

    Berg, J. J. et al. Сниженный сигнал для полигенной адаптации высоты в Биобанке Великобритании. eLife 8 , e39725 (2019). В этой статье показано, что сигнал полигенного отбора роста у лиц европейского происхождения сильно ослабляется при использовании сводной статистики GWAS, полученной из британского биобанка, а не крупнейшего метаанализа GWAS (консорциум GIANT) .

    Google ученый

  • 212.

    Refoyo-Martínez, A. et al. Насколько устойчивы перекрестные популяционные признаки полигенной адаптации у людей? Препринт: medRxiv https://doi.org/10.1101/2020.07.13.200030v2 (2020).

    Артикул Google ученый

  • 213.

    Sohail, M. et al. Полигенная адаптация к росту переоценивается из-за нескорректированной стратификации в полногеномных ассоциативных исследованиях. eLife 8 , e39702 (2019).

    Google ученый

  • 214.

    Abdellaoui, A. et al. Генетические корреляты социальной стратификации в Великобритании. Nat. Гм. Behav. 3 , 1332–1342 (2019).

    Google ученый

  • 215.

    Haworth, S. et al. Очевидная скрытая структура в образце биобанка Великобритании имеет значение для эпидемиологического анализа. Nat. Commun. 10 , 333 (2019).

    ADS Google ученый

  • 216.

    Selzam, S. et al. Сравнение прогнозов полигенных оценок внутри и между семьями. Am. J. Hum. Genet. 105 , 351–363 (2019).

    Google ученый

  • 217.

    Turchin, M.C. et al. Свидетельства широко распространенного отбора по изменчивости стояния в Европе по SNP, связанным с ростом. Nat. Genet. 44 , 1015–1019 (2012).

    Google ученый

  • 218.

    O’Connor, L.J. et al. Крайняя полигенность сложных признаков объясняется негативным отбором. Am. J. Hum. Genet. 105 , 456–476 (2019).

    Google ученый

  • 219.

    Zeng, J. et al. Сигнатуры отрицательного отбора в генетической архитектуре сложных черт человека. Nat. Genet. 50 , 746–753 (2018).

    Google ученый

  • 220.

    Бойл, Э. А., Ли, Ю. И. и Притчард, Дж. К. Расширенный взгляд на сложные черты: от полигенных до омнигенных. Cell 169 , 1177–1186 (2017).

    Google ученый

  • 221.

    Liu, X., Li, Y. I. & Pritchard, J. K. Эффекты Trans на экспрессию генов могут приводить к омнигенному наследованию. Ячейка 177 , 1022–1034.e6 (2019).

    Google ученый

  • 222.

    Flannick, J. et al. Секвенирование экзома 20 791 случая диабета 2 типа и 24 440 контрольных. Nature 570 , 71–76 (2019).

    ADS Google ученый

  • 223.

    Singh, T. et al. Вклад редких вариантов в риск шизофрении у лиц с умственной отсталостью и без. Nat. Genet. 49 , 1167–1173 (2017).

    Google ученый

  • 224.

    Luo, Y. et al. Изучение генетической архитектуры воспалительного заболевания кишечника с помощью полногеномного секвенирования идентифицирует ассоциацию в ADCY7. Nat. Genet. 49 , 186–192 (2017).

    Google ученый

  • 225.

    Tindana, P., Molyneux, S., Bull, S. & Parker, M.«Это доверие»: широкое согласие на геномные исследования и создание биобанков в Африке к югу от Сахары. Dev. World Bioeth. 19 , 9–17 (2019).

    Google ученый

  • 226.

    Фишер, К. Б. и Лейман, Д. М. Геномика, большие данные и широкое согласие: новые этические границы для науки о профилактике. Пред. Sci. 19 , 871–879 (2018).

    Google ученый

  • 227.

    Nembaware, V. et al. Рамки для многоуровневого информированного согласия на исследования в области геномики здоровья в Африке. Nat. Genet. 51 , 1566–1571 (2019).

    Google ученый

  • 228.

    Вайнер, К. Предвидеть и сообщать: этическое управление случайными и вторичными результатами в клинических, исследовательских и непосредственных контекстах (отчет президентской комиссии по изучению биоэтических вопросов за декабрь 2013 г.). Am. J. Epidemiol. 180 , 562–564 (2014).

    Google ученый

  • 229.

    Экштейн, Л., Гарретт, Дж. Р. и Беркман, Б. Е. Структура для анализа этики раскрытия результатов генетических исследований. J. Law Med. Этика 42 , 190–207 (2014).

    Google ученый

  • 230.

    Вонкам, А. и де Врис, Дж. Возвращение случайных результатов исследований африканской геномики. Nat. Genet. 52 , 17–20 (2020).

    Google ученый

  • 231.

    McGuire, A. L. et al. Путь впереди в генетике и геномике. Nat. Преподобный Жене. 21 , 581–596 (2020).

    Google ученый

  • 232.

    Поупджой, А. Б. и Фуллертон, С. М. Геномика терпит неудачу в отношении разнообразия. Природа 538 , 161–164 (2016).

    ADS Google ученый

  • 233.

    Hudson, M. et al. Права, интересы и ожидания: взгляды коренных народов на неограниченный доступ к геномным данным. Nat. Преподобный Жене. 21 , 377–384 (2020).

    Google ученый

  • 234.

    Claw, K. G. et al. Рамки для улучшения этических геномных исследований с сообществами коренных народов. Nat. Commun. 9 , 2957 (2018).

    ADS Google ученый

  • 235.

    Миллс, М. К. и Рахал, К. Монитор разнообразия GWAS отслеживает разнообразие болезней в режиме реального времени. Nat. Genet. 52 , 242–243 (2020).

    Google ученый

  • 236.

    Лаутенбах, Д. М., Кристенсен, К. Д., Спаркс, Дж. А. и Грин, Р. С. Передача информации о генетическом риске распространенных заболеваний в эпоху геномной медицины. Annu. Rev. Genomics Hum. Genet. 14 , 491–513 (2013).

    Google ученый

  • 237.

    Полк, А.С., Далви, С., де Фрис, Дж., Мартин, А. Р. и Стейн, Д. Дж. Возможное использование клинических оценок полигенного риска в психиатрии — этические последствия и сообщение о высоком полигенном риске. Philos. Этика Humanit. Med. 14 , 4 (2019).

    Google ученый

  • 238.

    Regalado, A. Eugenics 2.0: мы стоим на пороге выбора эмбрионов по здоровью, росту и многому другому. MIT Technology Review https://www.technologyreview.com/2017/11/01/105176/eugenics-20-were-at-the-dawn-of-choosing-embryos-by-health-height-and-more / (2017).

  • 239.

    Конг, К., Данн, М. и Паркер, М. Психиатрическая геномика и лечение психических заболеваний: установление этической повестки дня. Am. J. Bioeth. 17 , 3–12 (2017).

    Google ученый

  • 240.

    де Врис, Дж., Ландуре, Г. и Вонкам, А. Стигма в исследованиях африканской геномики: гендерное обвинение, полигамия, происхождение и причинные убеждения о болезнях влияют на риск причинения вреда. Soc. Sci. Med. 258 , 113091 (2020).

    Google ученый

  • 241.

    Мерриман Т. и Кэмерон В. Принятие риска: за историей гена воина. N. Z. Med. J. 120 , U2440 (2007).

    Google ученый

  • 242.

    Gronowski, A. M. & Budelier, M. M. Этика тестирования непосредственно потребителю. Clin. Лаборатория. Med. 40 , 93–103 (2020).

    Google ученый

  • 243.

    Blell, M. & Hunter, M. A. Отвлекающий маневр прямого к потребителю генетического тестирования: «генетическое происхождение» и персонализированная медицина. Фронт. Med. 6 , 48 (2019).

    Google ученый

  • 244.

    Rothstein, M.A. et al. Правовые и этические проблемы международных геномных исследований с непосредственным участием участников: выводы и рекомендации. J. Law Med. Этика. 47 , 705–731 (2019).

    Google ученый

  • 245.

    Manolio, T. A. et al. Обнаружение недостающей наследственности сложных заболеваний. Природа 461 , 747–753 (2009). В этой статье описывается концепция «недостающей наследуемости», наблюдение, что оценки наследуемости из GWAS намного ниже, чем из исследований близнецов .

    ADS Google ученый

  • 246.

    Янг, А. И. Решение проблемы отсутствующей наследственности. PLoS Genet. 15 , e1008222 (2019).

    Google ученый

  • 247.

    Cai, N. et al. Минимальное фенотипирование дает сигналы ассоциации по всему геному с низкой специфичностью для большой депрессии. Nat. Genet. 52 , 437–447 (2020).

    Google ученый

  • 248.

    Nagel, M., Watanabe, K., Stringer, S., Posthuma, D. & van der Sluis, S. Анализ на уровне элементов показывает генетическую гетерогенность невротизма. Nat. Commun. 9 , 1–10 (2018).

    Google ученый

  • 249.

    Пленге, Р. М., Сколник, Э. М. и Альтшулер, Д. Подтверждение терапевтических целей с помощью генетики человека. Nat. Rev. Drug Discov. 12 , 581–594 (2013).

    Google ученый

  • 250.

    Cook, D. et al. Уроки, извлеченные из судьбы фармацевтического конвейера AstraZeneca: пятимерная структура. Nat. Rev. Drug Discov. 13 , 419–431 (2014).

    Google ученый

  • 251.

    Okada, Y. et al. Генетика ревматоидного артрита вносит свой вклад в биологию и открытие лекарств. Природа 506 , 376–381 (2014).

    ADS Google ученый

  • 252.

    Peat, G. et al. Конвейер анализа Open Targets после GWAS. Bioinforma. Oxf. Англ. 36 , 2936–2937 (2020).

    Google ученый

  • 253.

    Сакауэ, С. & Окада, Ю. GREP: геном для репозиционирования лекарств. Bioinforma. Oxf. Англ. 35 , 3821–3823 (2019).

    Google ученый

  • 254.

    Шорк, Н. Дж. Персонализированная медицина: время для испытаний с участием одного человека. Природа 520 , 609–611 (2015).

    ADS Google ученый

  • 255.

    Abraham, G., Qiu, Y. & Inouye, M. FlashPCA2: анализ основных компонентов наборов данных генотипа в масштабе биобанка. Биоинформатика 33 , 2776–2778 (2017).

    Google ученый

  • 256.

    Howie, B. N., Donnelly, P. & Marchini, J. Гибкий и точный метод вменения генотипа для следующего поколения полногеномных исследований ассоциаций. PLoS Genet. 5 , e1000529 (2009).

    Google ученый

  • 257.

    Хауи, Б., Маркини, Дж. И Стивенс, М. Вменение генотипа тысячам геномов. G3 1 , 457–470 (2011).

    Google ученый

  • 258.

    Browning, B. L., Zhou, Y. & Browning, S. R. Вмененный геном за пенни из контрольных панелей следующего поколения. Am. J. Hum. Genet. 103 , 338–348 (2018).

    Google ученый

  • 259.

    Scott, L.J. et al. Полногеномное ассоциативное исследование диабета 2 типа у финнов выявило множественные варианты восприимчивости. Наука 316 , 1341–1345 (2007).

    ADS Google ученый

  • 260.

    Марчини, Дж., Хауи, Б., Майерс, С., Маквин, Г.И Доннелли, П. Новый многоточечный метод для полногеномных ассоциативных исследований путем вменения генотипов. Nat. Genet. 39 , 906–913 (2007).

    Google ученый

  • 261.

    Loh, P.-R. и другие. Эффективный байесовский анализ смешанной модели увеличивает силу ассоциации в больших когортах. Nat. Genet. 47 , 284–290 (2015).

    Google ученый

  • 262.

    Мяги, Р. и Моррис, А. П. GWAMA: программное обеспечение для полногеномного метаанализа ассоциации. BMC Bioinforma. 11 , 288 (2010).

    Google ученый

  • 263.

    Delaneau, O. et al. Полный набор инструментов для обнаружения и анализа молекулярных QTL. Nat. Commun. 8 , 15452 (2017).

    ADS Google ученый

  • 264.

    Скорость, Д.И Болдинг, Д. Дж. Самхер лучше оценивает наследуемость сложных признаков по SNP на основе сводной статистики. Nat. Genet. 51 , 277–284 (2019).

    Google ученый

  • 265.

    Grotzinger, A. D. et al. Моделирование структурных уравнений генома дает представление о многомерной генетической архитектуре сложных признаков. Nat. Гм. Behav. 3 , 513–525 (2019).

    Google ученый

  • 266.

    Burgess, S. et al. Использование опубликованных данных в менделевской рандомизации: план для эффективной идентификации причинных факторов риска. Eur. J. Epidemiol. 30 , 543–552 (2015).

    Google ученый

  • 267.

    Kanai, M. et al. Генетический анализ количественных характеристик населения Японии связывает типы клеток со сложными заболеваниями человека. Nat. Genet. 50 , 390–400 (2018).

    Google ученый

  • 268.

    Chen, Z. et al. China Kadoorie Biobank на 0,5 миллиона человек: методы обследования, исходные характеристики и долгосрочные наблюдения. Внутр. J. Epidemiol. 40 , 1652–1666 (2011).

    Google ученый

  • 269.

    Finer, S. et al. Профиль когорты: East London Genes & Health (ELGH), исследование популяционной геномики и здоровья населения Британского Бангладеш и Британского Пакистана. Внутр. J. Epidemiol. 49 , 20–21i (2020).

    Google ученый

  • 270.

    Консорциум h4Africa. Обеспечение геномной революции в Африке. Наука 344 , 1346–1348 (2014).

    Google ученый

  • 271.

    Giri, A. et al. Исследование трансэтнических ассоциаций детерминант артериального давления у более чем 750 000 человек. Nat. Genet. 51 , 51–62 (2019).

    Google ученый

  • 272.

    Все мы, следователи исследовательской программы. Исследовательская программа «Все мы». N. Engl. J. Med. 381 , 668–676 (2019).

    Google ученый

  • 273.

    Канела-Ксандри, О., Роулик, К. и Тенеса, А. Атлас генетических ассоциаций в Биобанке Великобритании. Nat. Genet. 50 , 1593–1599 (2018).

    Google ученый

  • Программное обеспечение | Веб-сайт факультета Алкеса Прайса

    PRS-FH

    (апрель 2021 г.) Программное обеспечение PRS-FH можно скачать здесь.PRS-FH — это метод использования информации о семейном анамнезе для повышения точности прогноза оценки полигенного риска, как описано в нашей рукописи «Включение семейного анамнеза болезни улучшает показатели полигенного риска в различных популяциях» (Hujoel et al. Biorxiv).

    PolyFun, PolyPred и PolyLoc

    (январь 2021 г.) Программное обеспечение PolyFun, реализующее PolyFun и PolyPred, можно скачать здесь. PolyFun — это метод, который использует функциональные аннотации по всему геному для улучшения возможности точного картирования, как описано в нашей рукописи «Функционально-информированное точное картирование и полигенная локализация наследуемости сложных признаков» (Weissbrod et al.2020). PolyPred — это метод, который использует точное картирование с помощью PolyFun для повышения точности полигенного прогнозирования, особенно в различных популяциях, как описано в нашей рукописи «Использование точного картирования и неевропейских данных обучения для улучшения показателей межэтнического полигенного риска» (Weissbrod * , Kanai *, Shi * et al. Medrxiv).

    (октябрь 2019 г.) Программное обеспечение PolyLoc можно скачать здесь. PolyLoc — это метод, который использует результаты PolyFun для выполнения полигенной локализации наследуемости сложного признака, как описано в нашей рукописи «Функционально-обоснованное точное картирование и полигенная локализация наследуемости сложного признака (Weissbrod et al.2020).

    DeepBoost / Imperio

    (сентябрь 2020 г.) Программное обеспечение DeepBoost / Imperio можно скачать здесь. Это программное обеспечение включает: (i) DeepBoost, метод повышения градиента для создания усиленных аннотаций глубокого обучения путем интеграции аннотаций аллельного эффекта глубокого обучения с точно сопоставленными SNP; (ii) инструменты для объединения этих аннотаций глубокого обучения со стратегиями связывания SNP-to-gene (S2G) и соответствующими наборами генов, и (iii) Imperio, метод интеграции аннотаций глубокого обучения со стратегиями S2G для прогнозирования экспрессии генов в цельной крови и создавать аннотации аллельных эффектов на основе изменений прогнозируемого выражения.Применение этих 3 подходов к признакам, связанным с кровью, описано в нашей рукописи «Интегративные подходы к повышению информативности моделей глубокого обучения для сложных заболеваний человека» (Dey et al. Biorxiv). Аннотации можно скачать здесь.

    GSSG

    (сентябрь 2020 г.) Программное обеспечение GSSG можно скачать здесь. GSSG состоит из инструментов для генерации оценок генов, управляемых энхансерами и главных-регуляторов, в крови и комбинирования этих оценок генов со стратегиями связывания дистальных и проксимальных SNP-генов (S2G) для создания аннотаций SNP для связанных с кровью признаков, как описано в в нашей рукописи «Уникальный вклад генов-энхансеров и главных-регуляторов в развитие аутоиммунных заболеваний, выявленный с использованием функционально информированных стратегий связывания SNP-генов» (Dey et al.biorxiv). Оценки генов, ссылки S2G и аннотации SNP можно скачать здесь.

    CC-GWAS

    (март 2020 г.) Программное обеспечение CC-GWAS можно скачать здесь. CC-GWAS — это метод проверки различий в частоте аллелей между случаями двух разных расстройств с использованием сводной статистики из соответствующих GWAS «случай-контроль», как описано в нашей рукописи «Идентификация локусов с разной частотой аллелей среди случаев восьми психических расстройств с помощью CC. -GWAS »(Пейрот и др.2021 г.).

    AnnotBoost

    (январь 2020 г.) Программное обеспечение AnnotBoost и аннотации можно скачать здесь. AnnotBoost — это основанная на градиентном бустинге структура для вменения и уменьшения количества оценок патогенности, полученных по Менделю, с целью повышения их информативности для распространенных заболеваний, как описано в нашей рукописи «Повышение информативности оценок патогенности, основанных на менделевских заболеваниях, для общих болезней» (Kim et al. . 2020).

    S-LDXR

    (октябрь 2019 г.) Программное обеспечение S-LDXR можно скачать здесь.S-LDXR — это метод стратификации квадратичной трансэтнической генетической корреляции между геномными аннотациями, как описано в нашей рукописи «Популяционные масштабы воздействия причинных заболеваний в функционально важных регионах, на которые влияет отбор» (Shi et al. 2021).

    LT-FH

    (июль 2019 г.) Программное обеспечение LT-FH можно скачать здесь. LT-FH — это метод использования информации семейного анамнеза для улучшения ассоциативной силы, как описано в нашей рукописи «Объединение статуса случай-контроль и семейного анамнеза болезни увеличивает ассоциативную силу» (Hujoel et al.2020)

    ЛДпред-функция

    (январь 2019 г.) Программное обеспечение LDpred-funct можно скачать здесь. LDpred-funct — это метод использования функционального обогащения для повышения точности полигенного прогнозирования, как описано в нашей рукописи «Моделирование функционального обогащения повышает точность полигенного прогнозирования в британских наборах данных Биобанка и 23andMe» (Marquez-Luna et al. Biorxiv).

    Оценка LD

    (обновлено в октябре 2018 г.) Программное обеспечение ldsc можно скачать здесь.Регрессия по шкале LD (Bulik-Sullivan et al. 2015a) — это метод, позволяющий отличить искажение от полигенности в исследованиях общегеномных ассоциаций. Стратифицированная регрессия LD Score (Finucane et al. 2015; функциональные аннотации здесь) — это метод разделения наследуемости по функциональным категориям с использованием сводной статистики GWAS. Регрессия оценки LD по кросс-признакам (Bulik-Sullivan et al. 2015b) — это метод оценки генетических корреляций с использованием сводной статистики GWAS. Мы расширили регрессию стратифицированной оценки LD до фенотипов экспрессии генов (Liu et al.2017). Мы также расширили регрессию стратифицированной оценки LD до непрерывных аннотаций (Gazal et al., 2017). Мы также разработали подход, который использует регрессию стратифицированной шкалы LD для выявления тканей и типов клеток, имеющих отношение к заболеванию, с наследуемым обогащением специфически экспрессируемых генов (Finucane et al.2018; функциональные аннотации здесь). Мы также расширили регрессию стратифицированной оценки LD на низкочастотные варианты (Gazal et al. 2018; функциональные аннотации здесь). Мы также идентифицировали условно независимые сигналы обогащения наследуемости болезни для древних энхансеров, энхансеров, консервативных у разных видов, древних промоторов и промоторов генов ExAC, нетерпимых к потере функции (Hujoel et al.2019; функциональные аннотации здесь). Мы также определили расширенные аннотации пути, сети и пути + сети, сделав вывод, что гены с высокой сетевой связностью обогащены для наследственности болезни (Kim et al.2019; аннотации здесь). Мы также определили условно независимые сигналы наследственности болезни для мобильных элементов (Hormozdiari et al.2019; аннотации здесь). Мы также оценили условно независимые сигналы наследственности болезни для аннотаций аллельного эффекта глубокого обучения, сделав вывод, что модели глубокого обучения еще не полностью раскрыли свой потенциал для сложных заболеваний и что их информативность не может быть выведена из их точности в прогнозирующих регуляторных аннотациях (Dey et al. al.2020). Аннотации по глубокому обучению можно скачать здесь.

    S-LD4M

    (сентябрь 2018 г.) Программное обеспечение S-LD4M можно загрузить здесь. Это программное обеспечение реализует наш метод регрессии стратифицированных LD 4-х моментов (S-LD4M) для оценки полигенности по частотам аллелей и функциональным категориям, как описано в нашей рукописи «Полигенность сложных признаков объясняется отрицательным отбором» (O’Connor et al., 2019) .

    FINDOR

    (январь 2018 г.) Программное обеспечение FINDOR можно скачать здесь.Это программное обеспечение реализует наш метод функционально информированного обнаружения локусов риска (FINDOR), как описано в нашей рукописи «Использование полигенного функционального обогащения для повышения мощности GWAS» (Кичаев и др., 2019).

    LCV

    (октябрь 2017 г.) Программное обеспечение LCV можно скачать здесь. Это программное обеспечение реализует наш метод причинно-следственного вывода скрытой причинной переменной (LCV), как описано в нашей рукописи «Отличие генетической корреляции от причинной связи между 52 болезнями и сложными признаками» (O’Connor et al.2018).

    Регрессия подписанного профиля LD

    (октябрь 2017 г.) Программное обеспечение для регрессии подписанного профиля LD можно скачать здесь. Регрессия подписанного профиля LD — это метод определения направленного воздействия подписанных функциональных аннотаций на заболевания и комплексные признаки в масштабах всего генома, как описано в нашей рукописи «Выявление направленных эффектов связывания факторов транскрипции на риск полигенных заболеваний в масштабах всего генома» (Reshef et al. 2018).

    Молекулярные аннотации QTL

    (октябрь 2017 г.) Молекулярные аннотации QTL, описанные в нашей рукописи «Использование молекулярного QTL для понимания генетической архитектуры заболеваний и сложных признаков» (Hormozdiari et al.2018) можно скачать здесь. Аннотации молекулярного QTL включают аннотации MaxCPP, построенные на основе данных GTEx eQTL, и аннотации MaxCPP, построенные на основе данных BLUEPRINT eQTL, hQTL (h4K27ac и h4K4me1), sQTL и meQTL.

    БОЛТ-LMM и БОЛТ-REML

    (сентябрь 2017 г.). Пакет программного обеспечения BOLT-LMM v2.3 (Loh et al. 2018), который включает многопоточную поддержку формата вмененных файлов BGEN v1.2, используемого UK Biobank, можно скачать здесь. Сводная статистика ассоциации из анализов BOLT-LMM всех N = 459K образцов европейского происхождения в британском Биобанке доступна здесь.Алгоритм BOLT-LMM (Loh et al. 2015a) быстро вычисляет статистику ассоциации между фенотипом и генотипом, используя линейную смешанную модель (LMM). Алгоритм BOLT-REML разделяет наследуемость SNP и оценивает генетические корреляции с использованием алгоритма Монте-Карло для быстрого многокомпонентного моделирования с несколькими признаками (Loh et al. 2015b). По умолчанию анализ ассоциации BOLT-LMM предполагает наличие байесовской смеси норм для случайного эффекта, приписываемого другим SNP, а не тестируемому. Эта модель обобщает стандартную «бесконечно малую» смешанную модель, использовавшуюся в предыдущих методах ассоциации смешанной модели, предоставляя возможность для увеличения мощности обнаружения ассоциаций при одновременном контроле ложных срабатываний.Оба алгоритма реализованы в программном пакете BOLT-LMM v2.3; см. ссылку для журнала обновлений.

    EIGENSOFT

    (июнь 2017 г.): EIGENSOFT версия 7.2.1 теперь доступна для загрузки. Пакет EIGENSOFT сочетает в себе функциональность наших методов популяционной генетики (Patterson et al. 2006) и нашего метода коррекции стратификации EIGENSTRAT (Price et al. 2006). Метод EIGENSTRAT использует анализ главных компонентов для явного моделирования различий в происхождении между наблюдениями и элементами управления по непрерывным осям вариации; результирующая поправка специфична для вариации вероятности маркера по частоте в наследственных популяциях, сводя к минимуму ложные ассоциации при максимальном увеличении возможности обнаружения истинных ассоциаций.Пакет EIGENSOFT имеет встроенный сценарий построения графиков и поддерживает несколько форматов файлов и количественные фенотипы.

    Последнюю версию EIGENSOFT (7.2.1) можно скачать здесь. Исходный код, документацию и исполняемые файлы для использования EIGENSOFT 6.1.4 на платформе Linux можно скачать здесь. Новые функции EIGENSOFT 6.x включают опцию fastmode, которая реализует очень быстрое приближение pca (Галинский и др., 2016a, Галинский и др., 2016b) и поддержку многопоточности. АЙГЕНСОФТ 6.1.4 включает исправления ошибок для pcaselection и улучшенное диагностическое сообщение о нехватке памяти. Наш предыдущий выпуск, версия 6.1.3, можно скачать здесь.

    FAQ по EIGENSOFT (часто задаваемые вопросы) доступен здесь.
    С дополнительными вопросами о программном обеспечении EIGENSOFT, пожалуйста, напишите Самуэле Поллак ([email protected]).

    РЕГИСТРАЦИЯ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ

    : мы рекомендуем пользователям EIGENSOFT зарегистрироваться здесь. Регистрация является добровольной, но позволит нам отправлять информацию об обновлениях программного обеспечения.

    нагрузок SNP, рассчитанных на основе выборок европейского происхождения из когорты GERA, можно скачать здесь.

    LTSOFT

    (январь 2017 г.): LTSOFT версии 4.0 можно скачать здесь. Изменения в версии 4.0 включают добавление LT-Fam в программное обеспечение LTMLM, реализующее смешанную линейную модель многомерного порога ответственности для настроек со связанными лицами (Hayeck et al., 2017). Изменения в версии 3.0 включают добавление LTMLM, нового программного обеспечения, реализующего многомерную статистику ассоциации смешанной линейной модели порога ответственности для дополнительного увеличения возможностей в условиях контроля заболеваний (Hayeck et al.2015). LTSOFT — это программный пакет, разработанный для более эффективного использования клинических ковариат, таких как возраст, bmi, статус курения и пол, а также генетических ковариат, таких как известные связанные варианты, при проведении исследований ассоциации случай-контроль. Включение этих ковариат в стандартные регрессионные модели не только неоптимально, но во многих случаях может снизить мощность. LTSOFT использует подход модели порога ответственности, который использует известные эпидемиологические результаты для лучшего моделирования взаимосвязи ковариат с интересующим фенотипом (Zaitlen et al.2012 PLoS Genet и Zaitlen et al. 2012 Биоинформатика).

    Орел

    (май 2016 г.) Программа Eagle v2.0 (Loh et al. 2016b) оценивает фазу гаплотипа либо с использованием поэтапной контрольной панели, либо в когорте с генотипом. Eagle2 теперь является методом фазирования по умолчанию на серверах вменения в Сэнгере и Мичигане и использует новый, очень быстрый алгоритм на основе HMM, который улучшает скорость и точность по сравнению с существующими методами за счет двух ключевых идей. : новая структура данных, основанная на позиционном преобразовании Барроуза-Уиллера и алгоритме быстрого поиска, который исследует только наиболее релевантные пути через HMM.По сравнению с алгоритмом Eagle1 (Loh et al., 2016a), Eagle2 имеет аналогичную скорость, но гораздо большую точность при размерах выборки <50 000. Программное обеспечение Eagle можно скачать здесь.

    гаплоСНП

    (июль 2015 г.) Алгоритм haploSNP (Bhatia et al. Biorxiv) конструирует набор полиморфизмов гаплотипов (haploSNP) на основе данных поэтапного генотипа. haploSNP — это гаплотипы соседних SNP, исключая подмножество замаскированных сайтов, которые возникают из-за пропущенных несовпадений. Несоответствия пропускаются, только если они потенциально могут быть объяснены как мутации на общем фоне.Это проверяется с помощью теста с 4 гаметами между расширяемым haploSNP и несоответствующим SNP. Если наблюдаются все 4 возможные аллельные комбинации, несоответствие нельзя объяснить мутацией на общем фоне, и haploSNP терминируется.
    Считается, что индивиды несут 0,1 или 2 копии haploSNP, если ни одна, одна или обе их хромосомы не соответствуют гаплотипу на всех немаскированных сайтах. Поскольку haploSNP являются двуаллельными, их можно использовать в последующих анализах, таких как оценка наследственности и ассоциация.
    Программное обеспечение haploSNP можно скачать здесь.

    Эффективная регрессия PCGC

    (июнь 2015 г.) Регрессия PCGC (Golan et al., 2014 PNAS) разработана, чтобы избежать систематических ошибок при оценке наследуемости с помощью REML в контексте установленных исследований случай-контроль. Мы выпустили эффективную реализацию метода регрессии PCGC. При условии, что все GRM вычисляются по идентичным спискам отдельных лиц (все файлы * .grm.id должны быть идентичными), эта реализация устраняет хранение в памяти матриц N x N путем накопления скалярных произведений среди регрессоров на лету. (я.например, потоковая передача входных данных GRM), ускоряет вычисления складного ножа (сохранение результатов разбиения на лету) и исключает хранение «очищенных» GRM (т.е. с проецированием ПК) за счет проецирования ПК на лету. Программное обеспечение Efficient PCGC Regression используется Loh et al. 2015b и Bhatia et al. biorxiv, и его можно скачать здесь.

    ЛДпред

    (март 2015 г.) Программное обеспечение LDpred можно скачать здесь. LDpred (Vilhjalmsson et al. 2015) — это метод вычисления оценок полигенного риска на основе сводной статистики ассоциаций с учетом LD между маркерами.Этот метод выводит апостериорный средний размер причинного эффекта каждого маркера с использованием не бесконечно малого априорного распределения по величине эффекта и информации LD из внешней эталонной панели.

    МАССА

    (май 2014 г.): SNPweights версии 2.1 можно скачать здесь. SNPweights — это программный пакет для определения геномного генетического происхождения с использованием веса SNP, предварительно вычисленного из больших внешних эталонных панелей (Chen et al. 2013 Bioinformatics). Изменения в версии 2.0 включают новые веса SNP для эталонных образцов коренных американцев, новый формат файлов весов SNP и новое программное обеспечение для пользователей для получения весов SNP с использованием их собственных эталонных образцов.Версия 2.1 включает исправление ошибки в программе inferranc, которая теперь работает со всеми файлами snpwt. Веса SNP для предковых популяций Европы и Западной Африки можно скачать здесь. Веса SNP для предковых популяций Европы, Западной Африки и Восточной Азии можно скачать здесь. Здесь можно скачать веса SNP для европейских, западноафриканских, восточноазиатских и коренных американцев. Веса SNP для предковых популяций американцев европейского происхождения NW, SE и AJ можно скачать здесь.

    ФУНКЦИОНАЛЬНЫЕ АННОТАЦИИ

    (март 2014 г.): Функциональные аннотации SNP и регионов из нашей статьи о функциональной наследуемости «Регуляторные варианты объясняют гораздо большую наследуемость, чем варианты кодирования при 11 распространенных заболеваниях» (Gusev et al. 2014) можно скачать здесь.

    IMPG-SUMMARY

    (июль 2013 г.): ImpG-Summary версии 1.0 можно скачать здесь. ImpG-Summary — это программный пакет для гауссовского вменения из сводной статистики ассоциаций, как описано в нашей статье «Быстрое и точное вменение из сводной статистики ассоциаций» (Pasaniuc et al.2014).

    MIXSCORE

    (июль 2012 г.): MIXSCORE версии 1.3 можно загрузить здесь. MIXSCORE — это метод объединения статистики ассоциации SNP и ассоциации примесей для увеличения мощности GWAS в смешанных популяциях. Подробности см. В статье MIXSCORE (Pasaniuc et al. 2011 PLoS Genet, «Расширенные статистические тесты для GWAS в смешанных популяциях: оценка с использованием афроамериканцев из CARe и консорциума рака груди»).

    TREESELECT

    (апрель 2012 г.): TreeSelect версии 1.1 можно скачать здесь. TreeSelect — это программный пакет для вывода естественного отбора на основе необычной дифференциации популяций между близкородственными популяциями. Для получения подробной информации см. Нашу статью о селекции в Африке (Bhatia et al. 2011 AJHG, «Полногеномное сравнение популяций африканского происхождения из CARe и других когорт выявляет сигналы естественного отбора»).

    HAPMIX

    (март 2011 г.): HAPMIX версии 1.2 можно загрузить здесь. Улучшения версии 1.2 включают явную проверку на несоответствие между частотами аллелей смешанной и эталонной популяции, а также скрипт для интерполяции оценок местного происхождения в надмножество SNP.HAPMIX — это приложение для точного определения хромосомных сегментов различного континентального происхождения в смешанных популяциях с использованием плотных генетических данных. Подробнее см. Статью HAPMIX (Price et al. 2009).

    НАСЛЕДСТВЕННОСТЬ ЭКСПРЕССИИ ГЕНОВ

    (январь 2011 г.): Исходный код и результаты по генам из нашей статьи о наследуемости экспрессии генов «Однотканевая и кросс-тканевая наследуемость экспрессии генов через идентичность по происхождению у родственных или неродственных людей» (Price et al.

    alexxlab

    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *


    Население Вещественная зависимость Ген Значение гена P Верхние SNP Значение SNP14 902 905 905 902 907 907 902 902 907 Опиаты NCK2 2,70 rs2377339
    rs7589342
    rs12995333
    rs12053259
    rs6747023
    rs879900

    Белые мужчины Никотин DSG3 1.99 rs6701037
    rs1057302
    rs6425323
    rs1057239
    rs1057239