محدودیت های مطالعات پویش ژنوم
رستم عبداللهی |
۱۶ مرداد ۱۳۹۶

  1. اندازه نمونه یکی از این محدودیت ها می باشد هر چه اندازه نمونه کمتر باشد شانس اینکه نشانگرها با اثرات کوچک و متوسط شناسایی شوند کمتر می شود.
  2. واریانت های با اثر کوچک قابل شناسایی نیستند.
  3. واریانت های با فراوانی نادر قابل تشخیص نیستند.
  4. ارتباط بین نشانگرها و فنوتیپ به صورت خطی در نظر گرفته شده است در صورتی که ما می دانیم این رابطه میتواند غیر خطی هم باشد.
  5. اثر متقابل بین جایگاه های ژنی به ندرت در نظر گرفته شده است ولی می دانیم که شبکه ژنی در بین ژن ها برای تولید یک پروتیین، متابولیت یا فنوتیپ خاص وجود دارد.
  6. مشکلات مربوط به آزمون های چندگانه (Multiple Testing) وجود دارند و براساس تجربه ای که اخیراً در این زمینه داشتم فرض کنید دو مطالعه دارید: در مطالعه اول ۱۰۰ نشانگر را میخواهید برای مطالعه ارتباط ژنتیک با فنوتیپ خاصی استفاده کنید در این حالت براساس تصحیح بنفرونی می بایست برای کاهش خطای نوع اول مقدار آلفا را تقسیم بر ۱۰۰ کنید (۰۵/۱۰۰=۰٫۰۰۰۵) . در مطالعه دوم ۱۰۰۰۰ SNP داشته باشید که ۱۰۰ نشانگر اول در دل این ۱۰۰۰۰ نشانگر وجود داشته باشند باید مقدار آلفا مورد نظر را بر ۱۰۰۰۰ تقسیم کنید (۰٫۰۵/۱۰۰۰۰=۵*۱۰^-۵). حال سوال این است در این دو حالت چون ارتباط نشانگرها با فنوتیپ به صورت یک به یک بررسی شد مقدار P-vlaue 100 SNP هیچ تغییری نکرده است اما در مطالعه اول به دلیل اینکه ۱۰۰ نشانگر وجود داشت نشانگرهایی که P-value کمتر از ۰٫۰۰۰۵ داشتند معنی دار گزارش می شوند اما در مطالعه دوم فقط نشانگرهایی معنی دار هستند که P-value آنها کمتر از ۵*۱۰^-۵ است. روش های دیگری برای تصحیح و یا تعیین P-value وجود دارند اما همه روش ها با زیاد شدن تعداد نشانگر برای کم کردن خطای نوع اول مقدار سطح آلفای معنی داری را کاهش می دهند. پس P-value و روش های تصحیح آن هنوز عیوب خود را دارند. هر چه ما تلاش کنیم با کم کردن آلفا مقدار خطای نوع اول را کاهش دهیم خطای نوع دوم را افزایش داده­ایم و این باعث شده که این همه ناهمگنی در نتایج مطالعات GWAS وجود دارد.
  7. برای وارد کردن فاکتورهای مزاحم مانند اثرات محیطی مشترک و سایر اثرات ثابت مدل های مختلفی پیشنهاد شده است ولی اگر افرادی که برای GWAS استفاده می شود از جمعیت های مختلف باشند و به عبارتی Population stratification وجود داشته باشد باید اشباع جمعیتی در نظر گرفته شود. سه مطالعه را در نظر بگیرید یکی اشباع جمعیتی را با ماتریس خویشاوندی شجره ای، دیگری با ماتریس خویشاوندی ژنومی و سومی با PCA در نظر گرفته اند و هر کدام نتایج متفاوتی را گرفته اند به نتایج کدام یک باید اعتماد کرد.
  8. در برخی از مطالعات GWAS، به ویژه در مطالعات دامی، پنجره متحرک یا Sliding window تعریف می کنند. ممکن است هر ۳۰۰kb یا ۱Mb به عنوان یک Sliding window یا تعداد مشخصی SNP عنوان یک sliding window تعریف شوند. با تغییر طول sliding window دیده می شود که نقاط قله یا peak تغییر می کنند و براساس اطلاعات موجود، هیچ قرارادی یا اصل علمی وجد ندارد که حداقل و حداکثر طول sliding window باید چقدر باشد. اگر من با sliding window برابر با ۳۰۰kb قله های یا نواحی ژنی را پیدا کردم که مقدار قابل توجهی از واریانس ژنتیکی را توجیه می کنند چقدر باید به نتایج خود امیدوار باشم که در مطالعات دیگر هم تایید شوند.
  9. نتایج مطالعات GWAS تکرار پذیری بالایی ندارند و تعداد کمی از جایگاههایی که قبلا شناسایی شده اند در جمعیت های دیگر تایید شده اند. مطالعات قبل جایگاهایی را پیدا کرده اند اما در مطالعه دیگری با همان نشانگرها مکان­های دیگری از ژنوم را معنی دار گزارش کرده اند و آن هم به دلیل تغییر تعداد حیوان و یا روش آماری. آیا میتوان گفت GWAS یک روش قابل اعتماد است.
  10. مکان هایی که معنی دار می شوند برحسب پایگاه داده ای که برای تعیین ژن های موجود در آن جایگاه مورد استفاده قرار می گیرد ممکن است ژن های مختلفی را پیشنهاد دهند و نویسنده می تواند برای هر ژن یا گروه ژنی که پیدا می کند با توجه به انتظارتی که از تحقیق دارد داستان ها بسازد و بگوید این ژن ها با ایمنی سر و کار دارند و یا با بیان فلان آنزیم مرتبط هستند که می تواند صفت مورد بررسی را تحت تاثیر قرار دهد. چون نتایج مطالعات GWAS می توانند به شکل های مختلفی تفسیر شوند، در تفسیر نتایج خود دقت کنید و به تفاسیر نتایج دیگران چندان بسنده نکنید.
  11. تعداد زیاد نشانگرهای شناسایی شده در مطالعات، به ویژه برای صفت قد انسان کمتر از ۱۰ درصد از واریانس ژنتیکی را توجیه کرده اند آیا به نظر شما هنوز هم باید به نتایج مطالعات GWAS امیدوار باشیم.
  12. GWAS براساس این فرضیه انجام می شود که تعداد کمی جایگاه ژنی هستند که بخش قابل توجهی از واریانس ژنتیکی صفت را کنترل می کنند در حالیکه ما می دانیم بیشتر صفات اقتصادی صفات پلی ژنی هستند و توسط تعداد زیادی ژن کنترل می شوند.

در پایان باید بگویم نتایج مطالعات GWAS باید مورد آزمون قرار بگیرند و در جمعیت های مستقل تایید شوند. حتی اگر در جمعیت های مستقل مورد تایید قرار گرفتند هنوز هم باید در تفسیر نتایج خود احتیاط کرد.

برای اطلاعات بیشتر در این زمینه به مقالات زیر مراجعه کنید:

Yang, J., Zaitlen, N. A., Goddard, M. E., Visscher, P. M., & Price, A. L. (2014). Advantages and pitfalls in the application of mixed-model association methods. Nature genetics۴۶(۲), ۱۰۰-۱۰۶٫

Hong, H., Xu, L., Su, Z., Liu, J., Ge, W., Shen, J., … & Tong, W. (2012). Pitfall of genome-wide association studies: Sources of inconsistency in genotypes and their effects. Journal of Biomedical Science and Engineering۵(۱۰), ۵۵۷٫

Visscher, P. M., Brown, M. A., McCarthy, M. I., & Yang, J. (2012). Five years of GWAS discovery. The American Journal of Human Genetics۹۰(۱), ۷-۲۴٫

 

 

نظر خود را بنویسید ...

avatar
جدیدترین قدیمی ترین بیشترین رای
محمد قادرزاده
محمد قادرزاده
با سلام آقای دکتر عبداللهی، در مورد تعداد نمونه ها دلایلی که فرمودید بسیار منطقی هستند اما خودتان هم مطلع هستید مطالعات پویش ژنوم در کشور ما به علت هزینه های (تعیین ژنوتیپ) بسیار بالاست و تا جاییکه دوستانم رو دیدم در تعیین ژنوتیپ نمونه های دامهای بومی کشور اغلب به تعداد چند صدتا نمونه اکتفا می کنند، از طرفی اکثر گزارشات خارجی با چند هزار نمونه در مجلات معمولا چاپ می شوند، آیا قانون خاصی در مورد حداقل و حداکثر تعداد نمونه در مطالعات پویش ژنوم وجود دارد یا یک روال مشخص ندارد؟ با تشکر از مطالب مفید شما.
رامین عبدلی
رامین عبدلی

GWAPower: a statistical power calculation software for genome-wide association studies with quantitative traits (Feng, Wang, Chen & Lan, 2011).

بهرامی
علاوه بر دلایل ذکر شده با توجه به اینکه فرایندهای بیولوژیکی و مولکولی پیچیدگی خاص خود را دارند و در بروز یک صفت چه از نوع کمی چه از نوع کیفی عوامل و لایه های بسیاری دخیلند بنابراین می شد پیش بینی نمود که مطالعات GWAS از این نظر بشدت ضعیف عمل خواهند کرد. چراکه با توجه به در نظر نگرفتن لایه های OMICS نمیتوان نتیجه قطعی در این باره را بیان نمود از این لحاظ سالهاست که اینجانب با این مطالعات بعنوان مطالعات اصلی و تحقیقاتی کشور مخالف هستم. به نظر من تحقیقات علمی باید دارای دو جنبه مهم… بیشتر
رامین عبدلی
رامین عبدلی
با درود همانطور که میدانیم اساسا مطالعات GWAS برای شناسایی جهش ها یا مناطق ژنومی مرتبط با بیماری ها و در انسان بکار گرفته شده و با نتایج بسیار موفقیت آمیز همراه بوده است. بعد از آن وارد مطالعات ژنتیکی و اصلاح نژاد دامی شده که در سطح گسترده استفاده شده و البته همراه با نتایج موفقیت آمیز و حتی در جهت انتخاب ژنومی تجاری سازی شده است. مشکل اساسی GWAS خصوصا برای کشور ما هزینه بالای ژنوتایپینگ نمونه ها و اندازه جمعیت مورد نیاز بسیار بالاست که البته برای دیگر کشورها هم همین هزینه ها وجود دارد. ولی اگر… بیشتر