Исследователи рака из Дартмута разработали и протестировали передовую статистическую модель для оценки генетических и экологических взаимодействий, которые способствуют развитию болезни, как было опубликовано вчера в Human Genetics.
Такой подход заполняет пробел в текущих анализах. Сложные заболевания, такие как рак, обычно возникают в результате сложных взаимодействий между генетическими факторами и факторами окружающей среды. Когда изучается много таких комбинаций, становится трудно выявить релевантные взаимодействия по сравнению с теми, которые отражают случайные комбинации среди затронутых людей. В этом исследовании исследователи разработали новый подход к оценке релевантности взаимодействий с использованием структуры байесовской иерархической смеси. Подход применим для изучения взаимодействий между генами или между генетическими факторами и факторами окружающей среды.
Крис Амос, доктор философии, старший автор статьи сказал:, "Эти результаты могут быть использованы для разработки моделей, которые включают только те взаимодействия, которые имеют отношение к причинно-следственной связи заболевания, что позволяет исследователю удалить ложноположительные результаты, мешающие современным исследованиям, когда предполагается, что многие десятки факторов и их взаимодействия играют роль в возникновении сложных заболеваний."
Модель оценивает "ген за геном" а также "ген по окружающей среде" факторы, глядя на конкретные варианты секвенирования ДНК. Сложные заболевания вызваны множеством факторов. В некоторых случаях фактором может быть генетическая предрасположенность или отклонение от нормы. Однако здоровый образ жизни и окружающая среда могут помочь человеку преодолеть генетическую уязвимость и избежать хронического заболевания, такого как рак. В других ситуациях у человека, чья ДНК не имеет аномалий, она может развиться при воздействии известных канцерогенов, таких как табачный дым или солнечный ожог.
"Важно понимать сочетание генетических факторов и факторов окружающей среды, вызывающих сложные заболевания," сказал Амос, заместитель директора по народонаселению и заместитель директора онкологического центра Норриса Коттона, "потому что понимание генетической архитектуры, лежащей в основе сложного заболевания, может помочь нам определить конкретные цели для профилактики или лечения, на которых вмешательства могут соответствующим образом снизить риск развития или прогрессирования рака."
В исследовании применялась модель в генетических последовательностях меланомы кожи и рака легких с использованием ранее выявленных аномалий (известных как однонуклеотидные полиморфизмы или SNP) с факторами окружающей среды, представленными в качестве независимых переменных. Модель байесовской смеси сравнивалась с традиционной моделью логистической регрессии. Иерархическая модель успешно контролировала вероятность ложноположительного обнаружения и выявляла важные взаимодействия. Он также показал хорошие результаты при оценке параметров и выборе переменных. Модель не может быть применена к полному GWAS, потому что, если она полагается на другие вероятностные модели (MCMC). Наиболее эффективен при применении к группе SNP.
"Этот метод был эффективен для изучения риска меланомы и рака легких, потому что эти виды рака развиваются в результате сложного взаимодействия между генетическими факторами и факторами окружающей среды, но понимание того, как эти факторы взаимодействуют, было трудно достичь без сложного моделирования, которое было разработано в этом исследовании," сказал Амос.