精致的工具有助于确定疾病导致基因

在可以加速搜索疾病基因的调查结果中，新的研究挑战普遍疾病通常由常见的基因变体（突变）引起。相反，遗传学研究人员表示，罪魁祸首可能是许多稀有变种，位于远离原来的“热点”的DNA序列中，比科学家习惯于外观。

使用一种检测罕见但强大的因果基因变异的方法，研究人员表示，他们占“遗失遗传性”问题的大量比例 - 迄今为止，常规基因狩猎研究常常未能识别的令人失望的事实寻找基因变体，导致大部分常见疾病，如心脏病，癌症和糖尿病的变体。

新方法借鉴了已经进行的基因组 - 明智协会研究（GWA）的现有数据，重新平化数据以确定先前未识别的因果变量。

此外，该技术可以允许研究人员识别其DNA更容易在因果基因中携带特异性突变的个体。"Our approach draws us closer to the goal of personalized medicine, in which treatment will be tailored to an individual's genetic profile," said study leader Hakon Hakonarson, M.D., Ph.D., director of the Center for Applied Genomics at The Children's Hospital of Philadelphia. "When we can say that a specific gene mutation causes a patient's disease, we have more meaningful diagnostic results. Identifying causal variants in疾病基因为制定药物来纠正这些突变基因的生物后果，提供了机会。“

Hakonarson及其同事，包括第一个作者Kai Wang，博士，儿童医院，与David B. Goldstein，Ph.D.是Duke University的人类基因组变异中心主任。这项研究今天出现在线这美国人遗传学杂志。

今年早些时候，Goldstein在与Hakonarson和Wang合作中引领了一项研究，它呈现了这种方法的模型，基于GWAS数据进行计算机模拟。目前的研究通过分析来自两个众所周知的疾病-Crohn病和遗传听力损失的真实DNA测序数据来增强模型。

GWAS使用自动化系统中的基因芯片，分析约500,000至100万位点，其中DNA中的单字母差异趋于发生;这些差异称为单核苷酸多态性或SNP。在过去十年中使用这些SNP芯片在比较健康受试者和患者之间的DNA样本时，科学家们已经确定了与常见复杂疾病相关的数千SNP。然而，遗传学家认为由基因芯片调查的SNP并不是自己引起疾病，而是用作“标签”，其与可能存在于附近区域的实际因果突变的标记。

在Gwas发现与疾病相关的SNP后，研究人员然后通过额外的基因分型对SNP信号附近的基因区测序进行“细映射”研究，发现突出的改变的基因，该突变是对疾病负责的突变。大多数结果都说，哈纳松人，一直是不压迫的，产生具有非常小的效果的因果变形。“这些努力没有确定引起疾病的”吸烟枪“突变，”他补充道。

目前的研究使用不同的假设。研究人员提出了许多罕见的因果变形，而不是推断出与给定SNP的附近常见的疾病引起的基因的存在，而不是在同一标签SNP上单独“搭便车”，通常来自比在常规细小中仔细筛选的位置映射方法。这些更遥远的遗传因素通常被忽视在传统的GWA方法中。通过缺少这些实际的致病基因变体，传统技术低估了对疾病的影响的强度。

通过将它们的方法应用于来自遗传听力损失的患者的真实DNA样本，研究人员的方法帮助他们从GWAS数据中选择了最有可能携带造成的测序分析的案例子集突变。测序在这个亚空间中的DNA，研究小组发现，这些患者的大多数患者携带了一种已知的实际突变，导致听力损失。“我们的技术表明，当我们进行重大进行后续研究时，我们可以识别更有可能携带致病基因的人，”Kai Wang说，他们分析了数据集。哈科松补充道，“我们为挖掘GWAS数据提出了一种更有效的方法，以找到在设计疗法中的未来效用的实际致病基因变体。”

---

---