Genomweite Assoziationsstudien und Variantenentdeckung

Eine genomweite Assoziationsstudie (GWAS) scannt Hunderttausende bis Millionen genetischer Varianten in den Genomen vieler Individuen, um Positionen zu finden, an denen sich die Allelfrequenz systematisch zwischen Personen mit und ohne ein Merkmal oder eine Krankheit unterscheidet. Indem das gesamte Genom ohne vorherige Hypothese darüber, welches Gen beteiligt ist, getestet wird, verwandelte die GWAS die Suche nach der genetischen Grundlage häufiger, komplexer Erkrankungen von einem Kandidatengen-Ratespiel in ein systematisches, hypothesenfreies Entdeckungsunternehmen.

Definition

Eine genomweite Assoziationsstudie ist eine beobachtende genetische Studie, die die Assoziation zwischen einem Phänotyp und genetischen Varianten – typischerweise Einzelnukleotid-Polymorphismen – testet, die über das gesamte Genom genotypisiert oder imputiert wurden, und eine Assoziation bei Varianten deklariert, deren statistische Evidenz einen genomweiten Signifikanzschwellenwert übersteht.

Scope

Dieser Bereich führt den Leser in die Familie der Methoden und Konzepte ein, die die Variantenentdeckung in nicht verwandten Populationen umgeben: wie eine GWAS konzipiert und analysiert wird, warum die Kopplungsungleichgewicht (linkage disequilibrium) es einem spärlichen Array ermöglicht, nicht typisierte Varianten zu markieren, warum ein Großteil der Merkmalsheritabilität zunächst als „fehlend“ erschien, wie Abstammungsunterschiede scheinbare Assoziationen hervorrufen können und wie Ansätze für seltene Varianten die Entdeckung über häufige SNPs hinaus erweitern. Es werden diese als methodische Referenzthemen innerhalb der Genomik dargestellt, nicht als diagnostische oder präskriptive klinische Inhalte.

Sub-topics

• GWAS-Design, -Durchführung und statistische Methoden
• Kopplungsungleichgewicht und SNP-Tagging
• Fehlende Heritabilität und polygene Architektur
• Populationsstratifikation und Abstammung in GWAS
• Entdeckung seltener Varianten und Burden-Tests

Core questions

• Wie kann das gesamte Genom auf Assoziation mit einem Merkmal ohne vorheriges Kandidatengen getestet werden?
• Warum erfasst die Genotypisierung eines Bruchteils von Varianten Informationen über den Rest?
• Welcher Signifikanzschwellenwert kontrolliert falsch positive Ergebnisse bei Millionen von Tests?
• Warum erklärten frühe GWAS-Ergebnisse nur einen kleinen Teil der geschätzten Heritabilität?
• Wie verzerren Unterschiede in der Abstammung zwischen Fällen und Kontrollen Assoziationssignale?

Key concepts

• Hypothese der häufigen Krankheit, häufigen Variante
• Einzelnukleotid-Polymorphismus (SNP)
• Kopplungsungleichgewicht (Linkage Disequilibrium) und Tag-SNPs
• Genomweiter Signifikanzschwellenwert (~5 x 10^-8)
• Genotyp-Imputation aus Referenzpanels
• Polygenetische Architektur und Effektstärken
• Populationsstratifikation
• Fehlende Heritabilität

Mechanisms

Eine GWAS genotypisiert eine dichte Anordnung von Varianten (oder imputiert sie anhand eines sequenzierten Referenzpanels) und testet jede Variante auf statistische Assoziation mit dem Phänotyp, üblicherweise mittels Regression, die für die Abstammung und andere Kovariaten korrigiert. Da nahe beieinander liegende Varianten in Blöcken des Kopplungsungleichgewichts (linkage disequilibrium) gemeinsam vererbt werden, kann ein typisierter Marker als Stellvertreter (Tag) für nicht typisierte kausale Varianten fungieren, sodass eine Assoziation an einem Marker ein Signal auf eine Region und nicht notwendigerweise auf die kausale Variante selbst lokalisiert. Die enorme Anzahl von Tests erfordert einen strengen genomweiten Signifikanzschwellenwert, um falsch positive Ergebnisse zu kontrollieren, und die Befunde werden durch Replikation in unabhängigen Stichproben bestätigt. Die meisten entdeckten Varianten sind häufig, haben individuell geringe Effekte und befinden sich häufig in nicht-kodierenden regulatorischen Regionen, was mit einer hochpolygenen Architektur für häufige Merkmale übereinstimmt.

Clinical relevance

GWAS haben Tausende robuster Varianten-Merkmal-Assoziationen kartiert, die das Verständnis der Krankheitsbiologie, die Priorisierung von Medikamentenzielen und die Konstruktion polygener Scores beeinflussen. Als Referenzbereich erklärt es, wie populationsbasierte genetische Evidenz generiert und interpretiert wird; es beschreibt Methoden und Ergebnisse und ist keine Grundlage für individuelle Diagnosen, Risikoberatung oder Behandlungsentscheidungen.

Epidemiology

Seit der ersten Studienwelle um 2005-2007 wurden GWAS auf Hunderte von Krankheiten und quantitativen Merkmalen in Kohorten von Tausenden bis Millionen von Teilnehmern angewendet, und kuratierte Repositorien wie der NHGRI-EBI GWAS Catalog verzeichnen mittlerweile Zehntausende von Assoziationen. Eine anhaltende Einschränkung ist, dass die große Mehrheit der Teilnehmer europäischer Abstammung war, was die Übertragbarkeit der Ergebnisse und polygenen Scores auf andere Populationen einschränkt.

Evidence & guidelines

Methodische Standards für GWAS wurden durch große Konsortialbemühungen und Übersichtsynthesen konsolidiert, anstatt durch klinische Praxisleitlinien. Die Studie des Wellcome Trust Case Control Consortium (2007) ist eine kanonische Demonstration des Shared-Control-, Multi-Krankheits-Designs, und Übersichtsartikel von McCarthy et al. (2008) und Visscher et al. (2012, 2017) formulieren Konsenserwartungen bezüglich Signifikanzschwellen, Qualitätskontrolle, Replikation und Interpretation.

History

Der Ansatz wurde praktikabel, sobald dichte SNP-Karten und das HapMap-Projekt das genomweite Kopplungsungleichgewicht (linkage disequilibrium) charakterisierten und erschwingliche Genotypisierungs-Arrays Mitte der 2000er Jahre aufkamen. Die Studie des Wellcome Trust Case Control Consortium aus dem Jahr 2007, die sieben häufige Krankheiten gegen gemeinsame Kontrollen testete, demonstrierte das Design in großem Maßstab und katalysierte eine rasche Ausweitung der Assoziationskartierung. Nachfolgende Übersichten verfolgten die Reifung des Feldes von einer Handvoll Loci zu genomweiten Katalogen und seine Auseinandersetzung mit fehlender Heritabilität, Populationsdiversität und dem Übergang zu Studien mit seltenen Varianten und Ganzgenomsequenzierung.

Debates

Wie viel der Heritabilität häufiger Merkmale kann GWAS wiederherstellen?

Frühe GWAS-Loci erklärten nur einen kleinen Bruchteil der geschätzten Heritabilität, was zu Debatten darüber führte, ob die Lücke viele unentdeckte häufige Varianten mit geringem Effekt, seltene Varianten, strukturelle Variationen oder eine überschätzte Heritabilität widerspiegelt; spätere Ganzgenom-Methoden verkleinerten, aber schlossen die Lücke nicht.

Schränkt die europäische Abstammungs-Voreingenommenheit von GWAS die Gerechtigkeit und Validität ein?

Da die meisten Teilnehmer europäischer Abstammung waren, übertragen sich entdeckte Assoziationen und polygene Scores unvollständig auf andere Populationen, was sowohl wissenschaftliche Bedenken hinsichtlich der Generalisierbarkeit als auch Gerechtigkeitsbedenken hinsichtlich der Nutznießer der Genommedizin aufwirft.

Key figures

• Peter Visscher
• Mark McCarthy
• Joel Hirschhorn
• Naomi Wray
• Jian Yang

Seminal works

• wtccc-2007
• mccarthy-2008
• visscher-2012
• visscher-2017

Frequently asked questions

Was ist der Unterschied zwischen einer GWAS und einer Kopplungsstudie?

Kopplungsstudien verfolgen die gemeinsame Segregation von Markern und Krankheiten innerhalb von Familien und lokalisieren breite Chromosomenregionen, während eine GWAS die Assoziation zwischen nicht verwandten Individuen mit hoher genomweiter Auflösung testet, wodurch sie besser für häufige Varianten mit geringem Effekt geeignet ist.

Warum verwenden GWAS einen so strengen Signifikanzschwellenwert?

Da Millionen von Varianten getestet werden, würde ein konventioneller p-Wert von 0,05 eine enorme Anzahl falsch positiver Ergebnisse liefern; ein genomweiter Schwellenwert nahe 5 x 10^-8 berücksichtigt die multiple Testung, die durch unabhängige häufige Variationen im gesamten Genom impliziert wird.