复杂、大型的基因组分析将更简单
最近，欧洲生物信息学研究所（EMBL-EBI）的研究人员开发出一种新的方法，可研究多重基因变异对不同性状的影响。这种新算法发表在最近的《Nature Methods》杂志，能够同时对多达500,000个人和许多特征，进行遗传分析。延伸阅读：大大降低基因组分析时间的新工具。
基因与疾病之间的一对一关系比较简单，相比之下，基因和特异性状之间的关系则更为复杂。全基因组关联研究（GWAS）表明，许多遗传因素对任何给定的特征起作用，但科学家们刚刚开始探索“特定遗传变异如何影响健康和疾病”。 发现这些联系的两个主要统计学挑战包括：分析许多不同遗传变异与多个性状之间的关联，并充分利用来自大型队列（包括成千上万个个体）研究的数据。
EMBL-EBI研究组组长Oliver Stegle解释说：“确定引起表型或特征的遗传变异，是非常具有挑战性的，一般我们通过逐一分析每种表型和每个变体，达到这个目的。但我们所用的模型过于简单，因此不能解开遗传变异与疾病表型之间复杂的依赖关系。”直到现在，可让我们研究很多不同变体共同作用的复杂模型，涉及到很多的计算，运行一次复杂查询，将需要一年的时间。
Oliver说：“这项研究的突破在于，我们能够对许多变体和表型进行综合分析，速度等同于现有的方法。”研究人员在来自公共数据库的两项研究的数据中，测试了他们的算法，并将结果与现有的先进工具进行比较。他们对四个脂肪相关性状（LDL和HDL胆固醇水平、C反应蛋白、甘油三酯）的研究证明，这种新方法显著更快，并可以在驱动它们的遗传学方面，来解释大部分的性状。
Oliver说：“我们希望能够从两个方向探讨这些问题。一方面，我们想研究一个单基因中的所有变体，它们可能参与一个特定脂质性状的调控。另一方面，我们要探讨更大一组血脂水平的综合影响。”
使用这种新的方法，GWAS研究人员可以同时探索一个基因的几个变体，同时将它们与几种相关表型进行比较。这使得我们更容易确定哪些基因——或基因上的位置，参与了特定的功能，如调节血脂。Oliver说：“这项工作重要的一点在于，它提高了统计能力，并为人们提供必需的工具，在非常大的队列中分析多个特征。我们的算法可以用来研究五十万个人——迄今为止这都是不可能的。”
EMBL-EBI副主任Ewan Birney指出，目前，人们使用多变量方法分析一个或多个表型，但只能同时研究一个变体。Oliver这种新方案是一个真正的进步，因为它可以让你在同一时间做两件事情。
这种新算法为基因组学提供了急需的方法，使大型、复杂的基因组分析，变得更易于管理和实用性。Ewan Birney表示：“这种方法——称为mSet，提供了一种原则性的方法，检测多基因变异和特征群之间的统计关系。这些方法将帮助研究人员确定，我们生物学的哪些具体方面是遗传的，并进一步阐明我们无数生物学过程背后的遗传学机制。”
