Genome-wide Complex Trait Analysis for Heritability Estimation
Ayrıca şöyle bilinir: GREML, Genome-wide complex trait analysis, Heritability estimation
GCTA'nın ele aldığı merkezi soru şudur: Bireyler arasındaki bir özellikteki (örneğin, boy veya hastalık riski) varyasyonun ne kadarı genetik farklılıklardan, ne kadarı çevresel faktörlerden kaynaklanmaktadır? İkiz ve aile çalışmaları uzun süredir bu soruyu yanıtlamaya çalışmış, ancak paylaşılan genlerin ve paylaşılan çevrenin etkilerini karıştırmıştır. GCTA farklı çalışır. İlişkisiz bireyler arasındaki genetik benzerliği eş zamanlı olarak binlerce lokusta ölçmek için genoma-geniş SNP verilerini kullanır. Ardından şu soruyu sorar: Genetik olarak daha benzer bireylerin özellik değerleri de daha mı benzerdir? Eğer öyleyse, bu genetik etkiyi gösterir. GREML, bireyler arasındaki gözlemlenen özellik benzerliğini, SNP'lerden hesaplanan genoma-geniş genetik ilişkilerine göre karşılaştırarak kalıtılabilirliği tahmin eder. Bu yaklaşım, birçok küçük etkili lokusun kümülatif etkisini yakalayan yüz binlerce yaygın varyantı kullandığı için güçlüdür.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Ailelerdeki genetik ve paylaşılan çevresel etkilerin karıştırılmasını önleyen ilişkisiz bireyleri kullanır
Güçlü yönler & sınırlılıklar
- Çok büyük örnek boyutları (on binlerce) için hesaplama açısından verimlidir
- Özellikle yaygın SNP'lerden elde edilen kalıtılabilirlik tahminlerini sağlar, toplam kalıtılabilirlikten farklıdır
- Özellikler arasındaki genetik korelasyonları tahmin edebilir
- Açık kaynaklı ve yaygın olarak kullanılmaktadır, kapsamlı belgeler ve uzantılar mevcuttur
- Yalnızca yaygın SNP'lerden kalıtılabilirliği tahmin eder; nadir varyantlar ve yapısal varyantlar gözden kaçırılır
- Doğru tahmin için çok büyük örnek boyutları gerektirir; daha küçük kohortlar geniş güven aralıklarına sahiptir
- Toplanabilir genetik etkileri varsayar; baskınlık ve epistasis gibi toplanamayan genetik etkiler yakalanmaz
- Popülasyon yapısına duyarlıdır; karışım kalıtılabilirlik tahminlerini şişirebilir
- Kalıtılabilirliği yönlendiren belirli varyantları tanımlamaz
- Alel frekansı farklılıkları için ayarlama yapmadan popülasyonlar arasında SNP kalıtılabilirliğini karşılaştırmak; LD yapısı tahminleri etkiler
SSS
SNP kalıtılabilirliği, ölçülen yaygın SNP'ler tarafından açıklanan fenotipik varyansın kesridir. Toplam kalıtılabilirlik tüm genetik kaynakları içerir: nadir varyantlar, yapısal varyantlar ve diğer genetik varyasyon türleri. SNP kalıtılabilirliği genellikle toplam kalıtılabilirlikten daha düşüktür ve bu da 'eksik kalıtılabilirlik' sorununu açıklar.
Doğru GCTA kalıtılabilirlik tahminleri için ne kadar örnek boyutuna ihtiyaç vardır?
Doğruluk örnek boyutuyla artar. Genel olarak, makul güven aralıklarına sahip sağlam kalıtılabilirlik tahminleri için 10.000'den fazla ilişkisiz bireye ihtiyaç vardır. Daha küçük örnekler (birkaç bin) işe yarayabilir ancak daha geniş güven aralıkları üretir. Gerekli örnek boyutu, özellik kalıtılabilirliğine ve LD yapısına bağlıdır.
Popülasyon yapısı GCTA sonuçlarını nasıl etkiler?
Eğer soy, özellik ile ilişkiliyse, popülasyon tabakalaşması kalıtılabilirlik tahminlerini şişirebilir. Analizde soy ana bileşenleri için ayarlama yapmak bunu azaltmaya yardımcı olur. Soy tabakalı alt grupları ayrı ayrı analiz etmek de soy özgü kalıtılabilirliği belirleyebilir.
GCTA, hastalık durumu gibi ikili özellikler için kalıtılabilirliği tahmin edebilir mi?
Evet, GCTA, gözlemlenen ölçekte doğrusal karmaşık bir model uyarlayarak ve kalıtım ölçeğine kalıtılabilirlik tahminlerine dönüştürerek ikili özellikleri analiz edebilir. Dönüşüm, hastalık prevalansı bilgisi gerektirir. İkili özellikler, karşılaştırılabilir hassasiyet için genellikle nicel özelliklerden daha büyük örnek boyutları gerektirir.
Evet, GCTA, gözlemlenen ölçekte doğrusal karmaşık bir model uyarlayarak ve kalıtılabilirlik tahminlerini sorumluluk ölçeğine dönüştürerek ikili özellikleri analiz edebilir. Dönüştürme, hastalık prevalansı hakkında bilgi gerektirir. İkili özellikler, nicel özelliklerle karşılaştırıldığında karşılaştırılabilir bir kesinlik için genellikle daha büyük örnek boyutları gerektirir.
Kaynaklar
- Yang, J., Lee, S. H., Goddard, M. E., & Visscher, P. M. (2011). GCTA: A tool for genome-wide complex trait analysis. American Journal of Human Genetics, 88(1), 76–82. DOI: 10.1016/j.ajhg.2010.11.011 ↗
- Zhou, X., Stephens, M. (2012). Genome-wide efficient mixed-model analysis for association studies. Nature Genetics, 44(7), 821–824. DOI: 10.1038/ng.2310 ↗
- Pitchford, W. S., & Brown, W. M. (2019). Genomic prediction and selection of genomic variance. Genetics Selection Evolution, 51(1), 53–66. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Genome-wide Complex Trait Analysis for Heritability Estimation. ScholarGate. https://scholargate.app/tr/genetics/gcta
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- F-istatistikleri (FST)Genetik↔ karşılaştır
- LD Blok AnaliziGenetik↔ karşılaştır
- Poligenik Risk SkoruGenetik↔ karşılaştır
- Kantitatif özellik lokusu (QTL) haritalaması, nicel özelliklereGenetik↔ karşılaştır