高级医学统计学：遗传统计学简介 1

遗传统计学简介

AnIntroductiontoGeneticStatisticsMedicalStatisticsII1主要内容遗传学基础遗传统计方法样本含量的计算遗传学基础ChromosomeDNAGeneGenotypeGenomeVariationSNPsGeneticMarkerHaplotypeHaplotypeBlocktagSNPsInheritanceModelsLDMappingGeneMappingsChromosome人有23对染色体人类X染色体(左)和Y染色体(右)1879年，德国生物学家弗莱明（Fleming·w）用染料染色的方法观察细胞核中的丝状和粒状的物质的分布。1883年，美国学者提出了遗传基因在染色体上的学说。1888年，正式被命名为染色体。1902年，美国生物学家沃尔特·萨顿和鲍维里推测基因位于染色体上。1928年，摩尔根证实染色体是基因的载体，获得生理医学诺贝尔奖。Chromosome1953年，美国的沃森和英国的克里克提出DNA双螺旋结构的分子模型，为20世纪以来生物学方面最伟大的发现。1956年，美籍遗传学家JoeHinTjio（1919–2001，蒋有兴）和Levan首次发现人的体细胞的染色体数目为46条，标志着人类细胞遗传学的建立。Chromosome7染色体形态示意图ChromosomeChromosomeChromosome染色体的结构示意图染色体的结构绳珠模型（1974年，Kornberg和Thomas）Chromosome染色体的结构Chromosome染色体的第一级和第二级结构染色体的结构Chromosome染色体的二级结构-螺旋管模型染色体的结构Chromosome染色体的二级结构-螺旋管模型染色体的结构Chromosome染色体的三级结构-超级螺旋管染色体的结构Chromosome染色体的四级结构染色体的结构Chromosome染色体的四级结构J.D.沃森(左)和F.克里克(右)和他们的DNA双螺旋结构(1953)DNADNADNA20

DNA分子是由两条核苷酸链以互补配对原则所构成的双螺旋结构的分子化合物。

DNADNA的基本单位—脱氧核苷酸DNAGene基因是染色体中具有遗传效应的DNA片断。LocusAllele位于一对同源染色体的相同位置上控制某一性状的不同形态的基因。Genotype相同基因座上的所有等位基因的组合。Phenotype由不同基因型与环境共同作用，生物体可观测到的物理或生理性状。Genotype人类基因组计划(HGP)人类基因组单体型图计划(HapMapProject)千人基因组计划(1000Genomes

Project)GenomeTheBeginning“Wehavejuststartedtherealjourneytowardsfullyunderstandingbiologicaldiversitiesaroundusfromitsfundamentalbuildingblocks,theDNA”GenomeInhumanbeings,99.9percentbasesaresame;Remaining0.1percentmakesapersonunique.Differentattributes/characteristics/traitshowapersonlooks;diseasesheorshedevelops.VariationThesevariationscanbe:Harmless ChangeinphenotypeHarmful Diabetes,Huntington'sdisease,hemophilia…LatentVariationsfoundincodingandregulatoryregions,arenotharmfulontheirown,andthechangeineachgeneonlybecomesapparentundercertainconditionse.g.susceptibilitytolungcancer.VariationTypesofMutations:SubstitutionsInsertions/DeletionsDuplicationsRearrangementsSubstitutionsofasinglenucleotiderepresent10%to50%ofhumangenomevariation.VariationASNPisdefinedasasinglebasechangeinaDNAsequencethatoccursinasignificantproportion(morethan1percent)ofalargepopulation.指染色体DNA序列中的某个位点由于单个核苷酸的变化而引起的多态性，在群体中的频率>1%。SNPsSNPsmay/maynotalterproteinstructureAgeneticmarkerisageneorDNAsequencewithaknownlocationonachromosomethatcanbeusedtoidentifyindividualsorspecies.SNPs（数量多，稳定、易于快速基因分型）Canbeusedtostudytherelationshipbetweenaninheriteddiseaseanditsgeneticcause.GeneticMarkerHaplotype:acombinationofallelesatnearbypolymorphicsites.

同一染色体上DNA序列变异的特定组合；HaplotypeSNP1SNP2

C/T

G/TTherearefourhaplotypespossible:

C --- G

C --- T

T --- T

T --- G

IngeneralfornSNPs,thereare2npossiblehaplotypes.Haplotype假如某个个体的两个位点的基因型都是纯合型的，设分别为（1,1）（2,2）即：则该个体的单体型是确定的（unambiguous），为12/12。Haplotype假如某个个体的两个位点的基因型都是杂合型的，设分别为（1,2）（1,2）即：则该个体的单体型是不确定的（ambiguous），为11/22或者21/12。HaplotypeHaplotypeInferenceMolecularmethodsInferencethroughrelativesStatisticalinferenceHaplotypeHaplotypeBlockComefromempiricalobservations;thepatternsofLDcanbecharacterizedbyaseriesofhighLDregions,‘haplotypeblocks’,separatedbysegmentsofverylowLD.Theblockstructureisbelievedtobetheresultofrecombinationhotspots.Somediseasemaybeduetooneofthehaplotypesthatwasenrichedinfrequency.Haplotypescanbedividedintoblocks.OnlyasmallfractionoftheSNPsinablockaresufficienttouniquelyidentifythecommonhaplotypesineachblock.ThoseSNPsarereferredasrepresentativeortagSNPsHaplotypeBlockDefinition:(1)AcontiguoussetofmarkersinwhichtheaverageD’isgreaterthansomepredeterminedthreshold(Reichetal.2001);(2)Aregionwhereasmallnumberofcommonhaplotypescanaccountforthemajorityofchromosomes(Patiletal.2001);(3)Achromosomalsegmentwithreducedlevelofhaplotypediversity;(4)RegionswithbothlimitedhaplotypediversityandstrongLDbutallowingintermediatemarkerstobeskipped(Dawsonetal.2002);(5)RegionswithabsolutelynoevidenceforhistoricalrecombinationbetweenanypairofSNPs(Wangetal.2002).HaplotypeBlocks1s2s3s4s5s6s7s8s9s10hap1：0010110111hap2：0000110110hap3：0011101101hap4：0101011101tagSNPs:ArepresentativeSNPenablingtoinfer(orpredict)therestofremainingSNPswithinthegroup.Aexampleoffourhaplotypes.WheretwoSNPs(tagSNPs)aresufficienttoidentifyeachofthefourhaplotype.tagSNPsAaInheritanceModelsGenotypeGroupModelAAAaaaAisDominantAisRecessiveAisCo-DominantInheritanceModelsLDMapping现代遗传学的一个主要的目标就是探讨复杂性疾病(complextraits)的遗传性基础。什么基因或者什么等位基因容易导致某种特定疾病患病风险的增加？以及它们如何和环境及其它随机因素一起共同导致某种表型？传统定位克隆的方法是通过家系资料来对我们感兴趣的染色体区域进行连锁分析。连锁分析已经在符合孟德尔遗传的疾病中取得了成功，但是对于定位复杂性疾病的致病基因来说，这种方法就并不始终十分有效。使用连锁分析方法时，染色体区域有好几个centimorgans，包含着几百个基因。此后使用使用LD关联研究来研究功能基因或者发挥功能的突变基因。LDMapping考虑到使用连锁分析来研究复杂性疾病中具有较小效应的致病基因面临着很大的挑战;Risch和Merikangas(1996)等提出使用关联研究进行定位克隆要比基于家系的连锁分析更为有效。LDMappingLD是关联研究的理论基础。Linkagedisequilibrium指的是单体型中等位基因的非独立性。连锁分析是基于家系资料的，而人群中无关联的个体的等位基因的关联成为连锁不平衡。与连锁分析从家系中进行抽样相比，关联分析从无关联的人群中进行抽样，所以更容易观察到更多的重组现象，所以关联研究更适合于精细定位。LDMappingMarkersthatarephysicallyclosetendtoremainassociatedwiththeancestralmutationevenasrecombinationlimitstheextentoftheregionofassociationovertime.ThehypothesisofLDmappingAncestralhaplotypeLDMappingPrincipleLD,whichhasanon-randomassociationofhaplotypestoadisease,islikelystrongestaroundtheDS(DiseaseSusceptibility)gene.Alocuswillmostlikelybewherethestrongestassociationsare.LDMapping致病位点LDMappingSNP1SNP2SNP3SNP4SNP5SNP6MarkerLDWhyLDMapping？Advantage:NopedigreesneededUtilizeshistoricalrecombinationeventsScreensthewholepopulationatonceDisadvantages:StatisticalnightmareScreensthewholepopulationatonceLDMappingPrinciple:Peoplewhohavesimilarphenotypicvaluesshouldhavehigherchancethantheexpectedlevelsofsharingofgeneticmaterialnearthegenesthatinfluencethosetraits.MarkerGenotypeDiseaseGenotypeDiseasePhenotypeLinkage,linkagedisequilibriumanalysisBiologyProximityGeneMappingsLinkageMappingMeasuresthesegregationofallelesandaphenotypewithinafamily.UsecrossoveroccurringduringmeiosisIIGenesthatarephysicallyclosetogetheraremorelikelytobeco-inheritedGenesthatarephysicallyfarapartonthechromosomearelesslikelytobeco-inherited.Detectoverbroadchromosomalregionsongenome.Linkagedisequilibrium(AssociationStudy)evaluatetheevidenceofadirectcorrelationbetweenamarkeralleleandadiseaseriskallele.Sharingofgeneticmaterial:actualsharingofthesameallele(Linkagedisequilibriumcoefficient:LD)GeneMappings主要内容遗传学基础遗传统计方法样本含量的计算遗传统计方法利用统计学方法研究基因和环境在人类群体中如何导致疾病；疾病如何遗传。Hardy-Weinberg平衡检验连锁分析LD的度量病例对照设计的统计分析单纯病例设计的统计分析家系为基础的各种设计GWAS的设计和分析遗传统计方法Hardy-Weinberg

平衡基因型频率在一代随机交配后达到平衡，且以后一直保持这种平衡。随机婚配任一对夫妻两个人作为随机变量是独立的；独立分离父母传递等位基因给后代是互相独立的；当HW平衡满足时令：A和a分别表示一个基因的两种等位基因；A为突变型；a为野生型；P(A)=pP(a)=q=1-pHW平衡定律若亲代基因型具有HW平衡比例，则在随机婚配下，子代也具有HW平衡比例；若亲代基因型不具有HW平衡比例，在随机婚配下，则子代将具有HW平衡比例；检验HW平衡O为每种基因型的观察频数E为每种基因型的期望频数ν=1检验HW平衡高血压病的遗传流行病学调查，197人的DNA样本，ACE位点上三个基因型分别为AA，Aa和aa，人数为26，93，78。偏离HW平衡InbreedingPopulationStratificationSelectionDeleting目前主要是作为一种质控手段；例如GWAS中，删除P<1e-6的SNP。Hardy-Weinberg平衡检验连锁分析LD的度量病例对照设计的统计分析单纯病例设计的统计分析家系为基础的各种设计GWAS的设计和分析遗传统计方法连锁分析两个位点如果在同一条染色体上且接近，便是连锁的。连锁分析：寻找和疾病位点连锁的标志物。使用家系数据重组：同源染色体非姐妹染色单体间基因的互换连锁分析连锁分析重组率是度量基因间连锁（物理相近）程度或距离的参数。重组率—>0%，连锁强度越大，两个位点间的基因之间交换越少；重组率—>50%，连锁强度越小，两个位点间的基因之间交换越大。一般而言，距离越近，重组率越低；连锁分析：估计在当前样本下最可能的重组率θ；

DISMarker连锁不平衡(linkagedisequilibrium)如果同一条染色体上，两个位点上某两个等位基因不是独立出现（非随机相关），称为连锁不平衡(LD)，否则称为连锁平衡(LE)。假设有两个位点，Allele分别为A/a和B/b，则在满足HW平衡时：D=x11-p1p2单倍型观察到的频率LELDABX11p1p2p1p2+DAbX12p1q2p1q2-DaBX21p2q1p2q1-DabX22p2q2p2q2+DLDmeasurement:D’istheabsoluteratioofDcomparedwithitsmaximumvalue.D’=1:completeLDR2isthestatisticalcorrelationoftwomarkers:WhenR2=1,knowingthegenotypesofallelesofoneSNPisdirectlypredictiveofgenotypeofanotherSNPMarkers

ABCDIndividual1:ABcDIndividual2:AbCdIndividual3:ABcdLD的度量LD的度量CLPTM1L±20kbChr5：

1,371,007 1,398,002LD的度量1或-1代表没有重组；若AF接近，高D’说明一个位点可以作为另外一个位点的好的替代；小样本时不稳定；若MAF很小会膨胀