多组学共定位鉴定效应变异
将POAG GWAS风险位点映射到效应基因
使用OPERA方法整合欧洲POAG GWAS与六种xQTL数据,在P < 5e–08、P < 1e–05和P < 1e–04阈值下进行共定位分析
Decoding Primary Open-Angle Glaucoma: A Multi-Omics Approach to Identify Druggable Effector Genes
基于公共GWAS和xQTL汇总数据的多组学共定位、GRS分析和药物靶点优先级,无实验功能验证
欧洲人群POAG GWAS汇总数据(16,677例病例和199,580例对照) UK Biobank队列(欧洲、非洲、亚洲等血统个体) 六种xQTL数据集(mQTL、caQTL、sQTL、eQTL、pQTL)
OPERA共定位分析中PPA > 0.9且HEIDI P值 > 0.01为效应变异判定阈值 GRS分析中UK Biobank各血统POAG病例定义及样本量 效应变异与非共定位变异的等位基因频率IQR比较 药物靶点分析中NeDRex平台TrustRank算法阻尼因子设为0.85
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
将POAG GWAS风险位点映射到效应基因
使用OPERA方法整合欧洲POAG GWAS与六种xQTL数据,在P < 5e–08、P < 1e–05和P < 1e–04阈值下进行共定位分析
评估效应变异在跨群体中的功能保守性和等位基因频率差异
比较效应变异与非共定位变异在非洲、东亚、欧洲和拉丁美洲人群中的效应量β相关性、等位基因频率IQR及功能注释
评估效应变异在跨祖先人群中区分POAG病例的能力
在UK Biobank队列中构建基于效应变异的GRS,并与全基因组显著SNP的GRS和非共定位变异的GRS比较
基于效应基因鉴定POAG及其亚型的潜在治疗药物
使用NeDRex平台构建疾病模型,通过MuST算法扩展基因网络,应用TrustRank算法优先排序已批准药物
按研究目的归类文中使用的方法,便于定位所需技术。
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 多组学共定位鉴定效应变异 | OPERA分析中PPA和HEIDI P值阈值、共定位窗口大小、GWAS和xQTL数据集版本 阅读提示:Methods中OPERA Colocalization小节及Supplementary Tables S3、S4 |
| 遗传风险评分构建与评估 | UK Biobank中各血统POAG病例定义和样本量、GRS构建使用的SNP阈值、协变量设置 阅读提示:Methods中POAG Definition and Genetic Risk Score Construction小节及Supplementary Table S18 |
| 药物靶点优先级分析 | NeDRex平台中MuST算法和TrustRank算法参数、基因集定义、药物排名阈值 阅读提示:Methods中Drug Target Analysis和Drug Repurposing小节及Supplementary Tables S20–S25 |