基于组学的复杂疾病研究
人类复杂性疾病与GWAS
人类复杂性疾病与GWAS全基因组关联分析因其在复杂性疾病中的研究优势而广泛应用，已在多种疾病中取得了重大突破。
标签：全基因组关联研究；GWAS；复杂性疾病。
一、概念复杂性疾病是由多个基因及环境因素相互作用所致，且在家系中不符合孟德尔规律，因此单基因病连锁分析方法在复杂疾病遗传学研究中很难奏效。
1996年Risch和Merikangas的研究显示在常见复杂疾病遗传学研究中关联研究的效力，并提出全基因组关联研究（GWAS）的概念[1]。
GWAS指在全基因组层面上，开展多中心、大样本、反复验证的基因与疾病的关联研究，是通过对大规模的群体DNA样本进行全基因组高密度遗传标记分型，从而寻找与复杂疾病相关的遗传因素的研究方法，全面揭示疾病发生、发展与治疗相关的遗传基因。
这一研究方法的出现及广泛采用为人们打开了一扇通往研究复杂疾病的大门。
自2005年Science杂志报道第一项公开发表利用商业化基因芯片进行复杂疾病GWAS研究并成功发现一个与年龄相关的视网膜黄色雀斑有显著关联的基因CFH[2]，此后一系列GWAS陆续展开，至今在肿瘤、内分泌、心血管、自身免疫性疾病、精神类疾病等诸多复杂疾病领域均取得了突出成果，显示出了在复杂疾病的基因组学研究中的优势，人类基因组和疾病的研究进入了一个新的阶段。
二、各复杂性疾病与GWAS1、癌与GWAS以“癌”或“Cancer”和“GWAS”为主题词，时间限定在2005-01-01以后，学科领域选中“医药卫生科技”，可在中国知网上搜得159篇中英文献，包含了人体各个系统的肿瘤，以“食管癌”的报道居多，李薇等在自己的论著中提到日本学者Cui等发现4q23区域ADH1B基因中rs1229984以及12q24.1区域AL-DH2基因中rs671与食管鳞状上皮细胞癌（ESCC）相关；国内Wang等研究证实了2个以往未报告过的rs2274223（10q23.3区域PLCE1基因）和rs13042395（20p13区域C20orf54基因）与ESCC相关联[3]。
临床分析技术解析复杂疾病的策略
临床分析技术解析复杂疾病的策略复杂疾病是指病因复杂、临床表现多样、治疗难度较大的一类疾病。
对于医生来说，如何准确地诊断和治疗这些疾病是一项具有挑战性的任务。
为了应对这一问题，临床分析技术成为了解析复杂疾病的重要策略之一。
一、基因检测技术在复杂疾病中的应用基因检测技术是近年来迅速发展的一项技术，它通过对患者的基因组进行分析，寻找与疾病相关的基因变异。
这种技术在复杂疾病的研究中发挥了重要作用。
以癌症为例，癌症是一类复杂疾病，其发病机制涉及多个基因的异常变异。
通过对癌症患者的基因组进行测序，可以发现与癌症相关的基因变异。
这些变异可能是致病基因，也可能是癌症的易感基因。
通过对这些基因的分析，可以为癌症的诊断和治疗提供重要的依据。
二、蛋白质组学在复杂疾病中的应用蛋白质是生物体内的重要功能分子，其异常表达或功能失调与复杂疾病的发生密切相关。
蛋白质组学是研究蛋白质组的一种技术手段，通过对蛋白质的表达水平、修饰状态等进行分析，可以揭示复杂疾病的发生机制。
以心血管疾病为例，心血管疾病是一类复杂疾病，其发生与多种蛋白质的异常表达和功能失调有关。
通过蛋白质组学的技术手段，可以对心血管疾病患者的蛋白质组进行分析，发现与疾病发生相关的蛋白质异常表达。
这些异常表达的蛋白质可能是疾病的标志物，也可能是疾病的治疗靶点。
通过对这些蛋白质的分析，可以为心血管疾病的诊断和治疗提供重要的依据。
三、代谢组学在复杂疾病中的应用代谢组学是研究生物体代谢产物的一种技术手段，通过对生物体内代谢产物的分析，可以揭示复杂疾病的代谢异常，为疾病的诊断和治疗提供依据。
以糖尿病为例，糖尿病是一类复杂疾病，其发生与多种代谢异常有关。
通过代谢组学的技术手段，可以对糖尿病患者的代谢产物进行分析，发现与疾病发生相关的代谢异常。
这些代谢异常可能是疾病的标志物，也可能是疾病的治疗靶点。
通过对这些代谢异常的分析，可以为糖尿病的诊断和治疗提供重要的依据。
四、生物信息学在复杂疾病中的应用生物信息学是研究生物学信息的一门学科，它通过对生物学数据的分析和挖掘，揭示生物学的规律和特点。
SNP关联分析与复杂疾病
SNP关联分析与复杂疾病SNP（Single Nucleotide Polymorphism，单核苷酸多态性）是人类基因组中最常见的遗传变异形式之一、研究表明，SNP在复杂疾病的发生和发展中起着重要的作用。
SNP关联分析是一种用于确定SNP与复杂疾病之间关系的方法，可以帮助我们了解疾病的发病机制、诊断和治疗方法。
在进行SNP关联分析之前，首先需要进行全基因组关联研究（GWAS）。
GWAS通过使用高通量技术，如DNA芯片和测序技术，对成千上万的SNP进行检测，并与复杂疾病的表型数据进行关联分析，以找到与疾病相关的SNP。
然后，通过统计学方法进行数据处理和分析，以确定SNP以及它们与疾病之间的关系。
根据研究目标和实际情况，SNP关联分析可以分为两种类型：关联性研究和功能性研究。
关联性研究是最常见的SNP关联分析方法。
它通过检测SNP在疾病发病群体和健康对照群体中的频率差异来确定SNP与复杂疾病之间的关联关系。
如果一些SNP在发病群体中的频率显著高于对照群体，就说明该SNP可能与该疾病的发生有关。
通过进行大规模的GWAS和复查实验，可以找到与复杂疾病相关的SNP。
功能性研究是在关联性研究的基础上，进一步研究SNP与复杂疾病之间的功能机制。
功能性研究可以通过分子生物学技术，如转录组学、蛋白质组学和表观遗传学等，来研究SNP对基因表达、蛋白质功能和细胞信号传导等方面的影响。
这将有助于我们深入了解SNP与疾病之间的关系以及疾病发生的生物学机制。
SNP关联分析在复杂疾病研究中的应用非常广泛，尤其是在研究遗传因素在疾病发生中的作用时。
例如，通过SNP关联分析，我们已经发现了很多与复杂疾病相关的基因。
例如，通过GWAS研究，已经发现了与2型糖尿病、心血管疾病、肺癌等多种复杂疾病相关的SNP。
这些研究有助于我们了解疾病的遗传基础，开发新的预防和治疗方法。
然而，SNP关联分析也存在一些挑战和限制。
首先，关联性研究只能确定SNP与疾病之间是否有关联，而不能确定SNP是导致疾病发生的原因。
基因组变异与复杂疾病的遗传因素解析
基因组变异与复杂疾病的遗传因素解析近年来，人类基因组的研究已经得到了前所未有的发展，基因变异与人类复杂疾病的关联逐渐被揭示。
在人类基因组的研究中，单核苷酸多态性（SNP）是最常见的基因变异形式，其在复杂疾病的研究中发挥着至关重要的作用。
基因组变异与复杂疾病的遗传因素解析是一个非常庞杂的工作。
当前，大规模群体基因组学是研究基因组变异与复杂疾病的主要方法，其在最近几年取得了重大突破。
随着研究的深入，人们认识到基因组变异不只是单个位点的变异，还涉及到基因重排和拷贝数变异等形式。
这些变异形式会对人类的生理功能产生重要影响，并与许多复杂疾病的发生有关。
在探讨基因组变异与复杂疾病之间的关联时，我们不得不提到基因突变。
相对于正常序列，基因突变指的是发生在基因池中的某个突变。
这些突变可能只影响一个蛋白质的结构或功能，但也可能对整个生物体的发育和生长产生深刻影响。
对于复杂疾病的发生，基因突变的作用从未受到低估。
近期研究表明，基因突变在许多复杂疾病中都起了重要作用。
随着技术的不断进步，人类已经能够对基因组变异进行全面的检测。
而这项技术被广泛应用于研究目前尚未完全解释的复杂疾病，比如糖尿病、高血压、癌症和心血管疾病等。
通过全面检测变异位点，人们逐渐了解了基因组变异与这些疾病之间的关联。
研究表明，人类基因组中大约有1000万个SNP和几千个拷贝数变异位点。
目前，人们正在密切关注SNP和拷贝数变异位点与特定疾病之间的联系。
通过这些研究，人们已经充分证实了SNP和拷贝数变异与一个人患上某种疾病的概率之间存在着重要的关联。
比如，在研究中发现，糖尿病患者的基因组中有一些SNP会影响胰岛素分泌或下降的速度，从而增加患糖尿病的风险。
除了SNP和拷贝数变异以外，基因组中的结构变异也是基因组变异的一种形式，其包括基因重排、插入、删除和倒大段等。
研究表明，这些结构变异对疾病的发生和发展具有重要影响。
比如，重复序列被认为是调节元件，因此，与某些疾病相关的转录因子的SNP和结构变异可能在某些人群中会明显增加疾病的发生风险。
基于多组学数据的疾病预测研究
基于多组学数据的疾病预测研究多组学是指同一样本在不同的角度上进行研究，获取不同的数据，以此来更全面地理解生物系统。
多组学数据在疾病预测研究中发挥着重要的作用。
本文将介绍多组学数据在疾病预测研究中的应用，并分析其局限性和未来发展方向。
一、基因组学基因组学研究基因在DNA序列上的定位和表达，已经被广泛应用于疾病预测研究。
例如，基于基因组学的肺癌预测研究发现，肺癌耐药的微小RNA与预后相关的基因可以用来预测患者的耐药性和预后。
此外，基于基因组学的结直肠癌和乳腺癌预测研究也取得了显著的进展。
然而，基因组学研究有其局限性。
在研究所有的蛋白质编码基因时，表观遗传和其他编码和非编码基因被忽略了。
此外，由于基因调控的复杂性，单一基因并不能完全解释疾病的发生。
二、转录组转录组研究基因的表达和转录，并可帮助鉴定和预测疾病。
最近，转录组分析已经被广泛用于人类疾病的预测。
然而，由于在转录组分析中存在大量的缺失数据和噪声，因此在分析结果时需要对数据进行清洗和预处理。
此外，转录组研究可能会面临对于未知编码RNA的挑战，这些RNA的功能和相互作用非常复杂。
三、蛋白质组蛋白质组主要研究蛋白质表达和调控，并可以为疾病预测研究提供有用的信息。
例如，蛋白质组研究有助于了解癌症患者的生物标志物和蛋白质互作网络。
蛋白质组研究面临的主要挑战之一是样本的处理和准备。
蛋白质组分析可能受到蛋白质水平的变化和缺失数据的限制。
此外，由于不同蛋白质之间相互作用的复杂性，蛋白质组研究可能无法全面说明疾病的分子机制。
四、代谢组代谢组研究代谢产物和代谢途径的变化，已经被广泛应用于疾病预测研究。
例如，代谢组研究可以揭示与糖尿病相关的代谢通路，并预测糖尿病的风险。
此外，代谢组研究还可以用来鉴定和预测其他复杂疾病。
但是，代谢组研究依赖于样本的采集和处理，并且需要大量的统计分析来识别相关代谢产物。
此外，代谢组研究可能受到环境因素和生活方式的影响，例如饮食和药物的摄入。
基因组遗传变异与人类疾病的关系研究
基因组遗传变异与人类疾病的关系研究随着生物技术的不断发展，基因组学成为了一门非常重要的科学领域。
基因组学的研究主要关注人类DNA序列的编码和表达，以及基因组变异的性质和影响。
人类基因组的遗传变异与许多疾病的发生密切相关。
本文将探讨基因组变异与人类疾病的关系。
基因组变异是什么？基因组变异是指个体基因组DNA顺序的任何改变，这些改变可以涉及单个碱基的替换、插入或删除，也可以涉及整个基因、染色体甚至整个基因组片段的缺失与重排。
这些变异可以导致基因序列的不同，在不同的基因表达水平、蛋白质组成和代谢过程中产生不同的影响。
基因组变异是导致人类生物多样性的重要因素，也是导致许多疾病原因的重要原因。
单个碱基多态性的影响单个碱基多态性是指DNA序列中单个碱基存在两种或多种变异，这些变异存在于人群中的频率不同。
单个碱基多态性广泛存在于人类基因组中，种类非常多。
单个碱基多态性对基因表达水平的影响是通过转录因子的结合和RNA剪切方式上的改变实现的。
这些改变导致基因的表达稳定性、蛋白质合成和代谢过程的增强或抑制。
单个碱基多态性是导致肿瘤和心脏病等常见疾病的原因之一。
例如，研究表明，单个碱基多态性与乳腺癌、前列腺癌、结肠癌、子宫内膜癌、膀胱癌、甲状腺癌、白血病等恶性肿瘤密切相关。
复杂基因型的影响除了单个碱基多态性，复杂基因型也是导致人类疾病的因素之一。
复杂基因型是指由多个位点的变异组成的基因型。
与单个碱基多态性相比，复杂基因型更为复杂和多变。
由于复杂基因型受到基因间或基因内相互作用的影响，其对细胞和生物代谢的影响也更复杂。
因此，复杂基因型与复杂疾病的关系更紧密。
这些关系表明了疾病的发生往往不是由单一基因或单个突变导致的，而是由多种基因的相互作用以及遗传和环境因素的相互作用引起的。
人类疾病与基因组变异的相关性人类基因组的变异是导致许多人类疾病发生的原因之一。
人类疾病可以分为两大类：遗传性疾病和非遗传性疾病。
其中，遗传性疾病是由单一突变或复杂基因型引起的，非遗传性疾病是由环境因素、个体行为和遗传因素的相互作用引起的。
复杂性疾病的基因组学研究进展
复杂性疾病的基因组学研究进展随着科技的不断进步和人类对自身健康的重视，基因组学的研究被越来越多地应用于临床医学中。
其中，对于复杂性疾病的基因组学研究领域，也有了长足的进展。
本文将介绍复杂性疾病、基因组学研究的相关术语和技术、研究的进展和未来展望。
一、复杂性疾病复杂性疾病是指由多个基因和环境因素共同作用引起的疾病，表现为多个家系成员之间的不规则遗传模式。
复杂性疾病包括许多人类的疾病，如肺癌、前列腺癌、糖尿病、高血压、自闭症、哮喘和类风湿性关节炎等。
它们是由基因和环境之间相互作用的复杂网络引起的，因此对于这类疾病的研究需要涉及到基因和大量环境因素的综合分析。
二、基因组学相关术语和技术基因组学是研究基因组的学科，而基因组是指细胞或个体所拥有的全部基因的集合。
基因是一个生物体内用于维持遗传特征、调节生物活动或控制生物发育的单位。
基因组学研究的最终目标是找到基因与生物现象和疾病的关系，基因组学所需探讨的包括:1、基因型和表型之间的关系：即基因型(基因的种类与数量)与一个特定的表型(生理、行为、临床或其他)的相互作用关系。
2、人类基因组的组成：即人类基因组的组成包括基因、DNA序列、遗传位点等部分。
3、家系分析：通过研究父母和子女之间的遗传关系确定基因在影响疾病中所占的比例，以及基因是否可以向下一代遗传。
4、基因组测序技术：目前的基因组测序技术主要有Sanger测序、次世代测序、第三代测序等。
5、关联性分析：通过研究基因型和表型的关系，找到与疾病有关的基因型和基因。
三、基因组学研究的进展基因组学在复杂性疾病研究领域中的进展可以总结为三个阶段：基因定位，关联分析和全基因组联合分析。
在这三个阶段中，复杂性疾病的基因组学技术日渐成熟，围绕关键问题建立的实验室和临床研究相继涌现，极大地推进了这一领域的进展。
1、基因定位在基因定位阶段，研究人员通过家系分析和基因型的制定，逐渐确定了与复杂性疾病相关的染色体区域，也即物理区域。
基因遗传变异和表达谱变异与复杂疾病的关联性研究
基因遗传变异和表达谱变异与复杂疾病的关联性研究在过去的几十年里，科学家们一直在研究基因变异和表达谱变异与复杂疾病之间的关系。
复杂疾病指的是由多种因素，包括基因、环境和生活方式等因素导致的疾病。
了解基因变异和表达谱变异与复杂疾病之间的关联性对于预防这些疾病以及提高治疗的效果具有重要意义。
基因是决定生物形态、功能和行为的单一单位，而基因变异是指在基因序列中的突变或多态性，这会影响基因产物（蛋白质和RNA）的功能和表达。
研究表明，多种复杂疾病如癌症、心血管疾病、自闭症、精神障碍、哮喘等都与基因变异有关。
例如，癌症常常是由于某些关键基因的突变导致的，而基因突变又会影响基因的表达，并可能导致病理进程的加剧。
表达谱是指在某一种生物体内所有基因表达的总体反映，它包含了转录后的RNA水平和蛋白质表达水平。
因此，表达谱变异是指基因的表达量在生物种群中的变异。
不同人的表达谱变异会导致不同的表达量，特别是在复杂疾病中，这种变异就更加明显，而且这种变异通常具有遗传背景。
例如，与哮喘相关的基因的表达可能会因受到环境因素的影响而发生变化，但是遗传背景也是导致表达谱变异的因素之一。
近年来，随着技术和计算方法的改进，科学家们可以更深入地探索基因变异和表达谱变异与复杂疾病之间的关系。
例如，研究人员可以通过全基因组关联研究（GWAS）来发现单个基因和复杂疾病之间的关系。
此外，新兴的基因组学技术使得研究人员可以研究大量的基因和它们的表达，这有助于发现表达谱变异与复杂疾病之间的关系。
例如，研究表明，在肌萎缩侧索硬化症（ALS）患者中，基因表达谱具有显著的变异性和聚类性，这表明基因表达谱变异可能会影响ALS的病理过程。
理解基因变异和表达谱变异与复杂疾病之间的关系也有助于研究人员发现新的治疗方法。
例如，研究人员可以研究与特定疾病相关的基因的表达水平，并尝试通过干预这些基因来治疗疾病。
此外，基因组学也有助于分类疾病和开发针对特定基因变异或表达谱变异的药物。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
目的：分析“垃圾序列”的功能
(旨在识别出人类基因组序列中的所有功能区， 包括转录、转录因子结合、染色质结构和组蛋白 修饰区)
选样：147个组织类型 成果：43篇文献（5篇Nature） 结论：人类基因组中80%的成分是
有功能的
寻找“丢失的遗传度”
• 极少数SNPs有明确的与疾病机制相关联的功能性作用 • 鉴定出的风险等位基因通常效应值很低，只能解释极少的遗传度； • 对于大多数常见疾病，至今为止发现的风险位点共同作用也只能解释 较少的表型差异，大大低于该种疾病的估算遗传度；
对SNP的解读——从编码区到noncoding区
noncoding区域可为GWAS研究提供新的关注点
novo突变在疾病发生过程中的
作用。
复杂疾病de novo 突变研究-解决方案
疾病样本选取*1（trios or 父母+患病孩 子 ）或10-20组quads家系（父 母+患病双胞胎 ）
外显子捕获
Stage I
Illumina HiSeq 2000 测序 (>30X) 基本生物信息分析
De novo gene mutations highlight
patterns of genetic and neural complexity in schizophrenia
2012
NG
精神分裂症
Exome sequencing in sporadic autism spectrum disorders identifies severe de novo mutations Sporadic autism exomes reveal a highly interconnected protein network of de novo mutations Whole-genome sequencing in autism identifies hot spots for de novo germline mutation Detection of Clinically Relevant Genetic Variants in Autism Spectrum Disorder by Whole-Genome Sequencing
cell
自闭症
发现581个胚系de novo突变，每 个后代平均包含58个de novo 突变 6个家系发现有害de novo突变， 10个家系发现x连锁或常染色体遗 传变异。4个genes从未发现，9个 已知，8个候选ASD风险基因 329个de novo突变，锁定在9个基 因（2个从未与该病关联，2个偶尔
代谢组
蛋白组
1) 疾病biomarker，e.g. 心肌 肥大病人药物处理不同时间段，冠 状静脉窦取血；不同癌症发病阶段， 发现早诊biomarker 2) 疾病机理研究，e.g.尿结石患 者尿液 vs. 正常人尿液
复杂疾病研究的角度——基因组
检测单个突变 (100 SNPs; 103 genotypes) 针对具体的基因 (102 SNPs; 105+ genotypes) 区域研究 (104 SNPs; 108 genotypes ) 全基因组关联分析（GWAS） (106 SNPs; 1010 genotypes)
Nat Rev Genet. 2010 Jun;11(6):446-50.
Solutions for “missing heritability”
（Beyond GWAS）
复杂疾病de novo 突变研究（低频或罕见变异）
MHC与疾病研究（目标区域挖掘低频变异） eQTL表达数量性状（构建gene互作网络） 疾病动物模型机理多组学研究（突破样品局限） 免疫组库与临床研究（临床应用潜力）
De novo mutations in the gene
encoding the synaptic scaffolding protein SHANK3 in patients ascertained for schizophrenia A de novo paradigm for mental retardation Increased exonic de novo mutation rate in individuals with schizophrenia Exome sequencing supports a de novo mutational paradigm for schizophrenia
de novo 突变分析*2
候选de novo 突变 技术验证：Sanger测序/质谱 大样本量验证：家系或其它对照 疾病相关de novo 突变
改进过滤法结合ForestDNM检测 de novo SNVs（自主研发）
Stage II
分析方法对比
验证率
100% 80%
60%
40% 20%
0%
传统过滤法 改进过滤法 ForestDNM A training data set
de
突变或从头突变；即父母 不具有但子代具有的遗传 变异； de novo突变包括de
novo突变又称为新生
有进化遗传理论认为de
变是人类的许多遗传性疾病的主 要原因。
novo突
novo SNVs; de novo Indels ; de novo CNVs。 de novo突变分为de novo体细胞突变，de novo胚系突变
表观基 因组 复杂疾
转录组
病
1) 疾病biomarker：以代谢物 为对象，研究药物对机体产生的影 响。e.g. 冠状动脉病变引起的心 梗，寻找心梗病发病阶段的 biomarker 2) 药物安全性评价：以代谢物为 对象，研究药物对机体产生的影响。 实验样品为易获得样品(如尿、血)， 可连续多次获取，并在同一动物或 人体观察毒性作用发生、发展和恢 复过程；
背景
假说：即散发性疾病的遗传基
础可能不同于很多家族性个体。 因为前者更可能是由于de novo 突变而非遗传变异。
罕见疾病de novo 突变研究
Gene SETBP1 MLL2 ASXL1 ANKRD11 AKT1(为体细胞 突变) ACTB/ACTG1 SWI/SNF
Disorder Schinzel-Giedion syndrome (mental retardation and neurodegeneration). Kabuki syndrome (intellectual disability and congenital anomalies). Borhing-Opitz syndrome (severe intellectual disability and congenital malformations. KBG syndrome (facial/skeletal malformations and developmental delay). Proteus syndrome (skin overgrowth and atypical bone development). Baraitser-Winter syndrome (brain malformation). Coffin–Siris syndrome.
Publication NG NG NG AJHG NEJM NG NG
Time 2010 2010 2011 2011 2011 2012 2012
国际上精神类疾病de novo 突变研究进展
paper 时间 2010 杂志 PNAS 研究疾病 精神分裂症 方法 185个trios，SHANK3 基因的编码区直接测序， 285个家系外正常样本验 证。 10个trios, 外显子测序研 究 14个患者及父母，外显 子测序 主要结果 两个家系的两个de novo突变同 SCZ相关
2005
全基因组重测序（NGS-GWAS） (108 SNPs / 1012 genotypes)
GWAS策略大大加速了疾病研究
第一篇GWAS的文章发表于2005年； 截至2013年8月共发表文章1688篇；
报道了约11299个关联性位点；
涉及超过200种的疾病或性状。
GWAS面临的挑战
复杂疾病de novo 突变研究-研究背景
每代每个基因组~50100 个de novo SNVs, ~3 个de novo indels 以及 ~0.02个 de novo CNVs； 每代每个外显子组~1 个 de novo 突变；
de novo
突变定义
de novo
突变率
de novo
突变影响
发现的GWAS SNPs仅4.9%位于 coding区域
绝大多数 Noncoding区域内的GWAS SNPs可能 与调控相关
Science. 2012 Sep 7;337(6099):1190-5.
Encyclopedia of DNA Elements(DNA元素百科全书) 美国国立人类基因组研究所（National Human Genome Research Institute，NHGRI）在2003年9月启动，由来自美国，英国，西班 牙，日本和新加坡32个科研机构，442科学家共同完成。
基于组学的复杂疾病研究
徐煜，BGI-tech xuyu@ Oct，2013
遗传和环境相互作用导致疾病
复杂疾病研究的角度及解决的问题
1) GWAS易感基因研究…
基因组
1) 表观修饰与疾病的关系， 寻找致病原因或与药物靶 点相关的信息 2) 环境与疾病关系 e.g. 药物疗效研究、 EWAS、伦敦国王学院 5000对双胞胎 1) 疾病biomarker研究： 寻找差异表达的RNA，进 行功能分析（蛋白功能、调 控作用） 2) 研究基因相互作用，构 建基因调控网络：eQTL 存在问题：组织特异性和时 空特异性