JOEL HIRSCHHORN: Deci subiectul este
practic complet -- titlul este
Trăsături complexe, ce să
crezi, care
cred că încearcă să afle esenta
unuia dintre mesajele principale
de aici și să se încadreze în numărul
de caractere alocat
pentru titlul unei prelegeri.  .
Și, practic, are de-a
face cu eforturile actuale
în genetica umană pentru a
înțelege rolul pe care variația
moștenită a secvenței ADN-ului îl
joacă în reglarea a
ceea ce se numesc trăsături complexe.
Și lasă-mă să trec
prin toate astea.
Deci, acesta este, practic,
planul pentru discuție,
cel puțin așa cum este
acum, și vă oferă doar
o mică introducere
în trăsăturile complexe
și bolile comune și modul în care
acestea se relaționează între ele.
Deci, iată o listă cu...
o listă oarecum aleatorie
de boli
pe care le-ați putea vedea într-un
spital sau în cabinetul unui medic
și care reprezintă o mulțime
de morbiditate și mortalitate.
Și se dovedește că cele mai multe
dintre aceste boli se grupează
în familii în moduri care
ne spun că genetica joacă
un rol în reglementarea
cine va și nu va
afecta aceste boli.
Același lucru este valabil și
pentru lucrurile care
nu sunt boli, ci
sunt trăsături cantitative pe care le
puteți măsura.
Unii dintre aceștia sunt totuși
factori de risc foarte semnificativi.
Enumerez aici doar lucruri care
sunt relevante pentru endocrinologie,
care este unul dintre interesele mele.
Dar lucruri precum
tensiunea arterială, evident,
dacă aveți
hipertensiune arterială, acesta este
un factor de risc uriaș pentru
boli de inimă, accident vascular cerebral și cetera
și cetera.
Obezitatea crescută este un factor de risc uriaș
pentru deces și diabet
și boli de inimă, iar
multe dintre aceste alte lucruri au de-a
face și cu
bolile viitoare.
Și acestea, de asemenea,
se grupează în familii
în moduri care ne spun că
genetica joacă un rol.
Dar pentru toate
acestea, fie că este vorba de
susceptibilitatea la boli sau de
trăsătura cantitativă ilustrată
aici, înălțimea adultului,
știm și din modul în
care se grupează în familii
că sunt implicate mai multe gene
și, în plus,
că influențele de mediu și alte
influențe non-genetice
trebuie să joace un rol important.  rol de asemenea.
Deci, aceasta nu este
o imagine atât de simplă precum, de exemplu,
încercarea de a trage în
jos gena care este
responsabilă pentru fibroza chistică
sau pentru boala Tay-Sachs.
Și astfel scopul pe care îl
au mulți oameni din genetică
este să încerce să facă
această legătură.
Există variații în
genomul uman, despre care voi
vorbi destul de pe larg.
Și există variații pe care le
observăm în lume.
Și știm că există
o legătură aici
și este o chestiune de a
face acea conexiune.
Și dacă comparați
genomul așa cum, din nou, voi
ajunge în scurt timp,
descoperiți că oamenii sunt în mare parte
la fel.
Dar există diferențe
între fiecare persoană.
Și din nou, cele mai multe dintre
aceste diferențe
sunt diferențe aleatorii de ortografie
în codul genetic
care nu au nicio consecință.
Dar unele dintre ele au
consecințe biologice.
Din nou, provocarea
este să ne dăm seama
care dintre aceste
diferențe contează.
Așa că am spus că știm
că genetica joacă un rol
și vreau doar să
intru pe scurt, de
unde știm asta, de fapt?
Deci o cale este de la ceva
numit studii pe gemeni.
Am uitat micuțul...
acesta este de la un
grup de muzică country cu
care nu am nicio afiliere
și nu am
auzit niciodată numit
Taylor Brothers,
dar notabil pentru o parte
din promovarea lor
este că sunt gemeni identici.
Și poți vedea lucruri de
parcă arată la fel,
au aproximativ aceeași înălțime.
Nu sunt sigur
dacă vă puteți da seama
dacă au aceeași
preferință în ceea ce privește îmbrăcămintea sau nu
din asta.
Dar ei pot avea unele
din aceeași aptitudine.
Deci și ceea ce poți face
este să faci studii pe gemeni
în care compari
gemenii identici cu gemenii
care sunt ceea ce se numesc
gemeni dizigoți, în principiu,
unde
numiți în mod obișnuit gemeni fraterni.
Dacă compari gemenii
fraterni de același sex
și
gemenii identici, ei sunt, teoretic,
crescuți în aproximativ aceeași
cantitate de mediu comun.
Deci amândoi sunt crescuți
în aceeași gospodărie
și asta e treaba.
Dar gemenii identici,
sau gemenii monozigoți,
împărtășesc 100% din ADN-ul lor, în timp ce
gemenii dizigoți au doar 50%
din ADN-ul lor.
Împărtășesc la fel ca și frații.
Și așadar, dacă există lucruri care
sunt mai concordante sau mai
asemănătoare la gemenii monozigoți
decât la gemenii dizigoți,
concluzia obișnuită
este că genetica joacă
un rol în această similitudine.
Deci, de exemplu, dacă te
uiți la diabetul de tip 2,
dacă te uiți la
gemenii monozigoți și îi urmărești
de-a lungul vieții,
există cel puțin o rată de concordanță de 80%--
și unii oameni cred că este
de fapt aproape de 100%--
.
Ceea ce înseamnă asta este
de fapt un fel de izbitor,
ceea ce înseamnă că există un
anumit set de genotipuri,
care este incredibil de predictiv
pentru apariția diabetului.
Da multumesc.
Îmi pare rău.  Am
găsit un... Am găsit un...
Am găsit un mic cablu.
Deci una corectă
și una greșită.
Deci sunt bine.
În timp ce dacă te uiți
la gemenii dizigoți,
există multă concordanță.
Și o parte din asta se datorează
faptului că împart
50% din materialul lor genetic.
Și o parte din asta se datorează
probabil pentru că
împărtășesc mediul pe
care l-au împărtășit.
Dar rata de concordanță
este mult, mult mai mare
pentru gemenii monozigoți.
Deci asta spune că există
o influență genetică puternică.
Și poți face și
alte studii care
nu depind de studiile pe gemeni.
Și puteți face, de asemenea,
studii pe gemeni în care
există
gemeni monozigoți crescuți separat,
dar aceștia sunt mult mai puțin frecventi.
Dar, practic, studii de familie
în care, dacă cineva are diabet,
care este riscul pentru
fratele lor de a face diabet,
spre deosebire de riscul
cuiva de lângă,
de exemplu?
Și din nou, este mult
mai mare pentru frați
decât pentru
populația generală.
Acest raport este ceva
numit lambda S.
Și puteți estima și
ceva numit ereditabilitate,
care se pretinde a fi
procentul de variație care este
atribuit
factorilor genetici și de fapt
anumitor tipuri de
factori genetici.
Deci asta este practic o
introducere.
Deci, cele mai comune boli sunt
aceste trăsături genetice complexe
în care știm că genele joacă un rol.
Și știm, de asemenea, din
acele studii de familie,
ei nu se segregează doar
într-un model simplu în care,
dacă tatăl--
dacă tatăl o are, jumătate
dintre copii o vor avea
și apoi jumătate dintre copiii lor o
vor avea,  etc.
și/sau într-un
model recesiv simplu.
Dar este clar multifactorial.
Deci, următoarea secțiune
este motivul pentru care
credem că
ar putea exista o legătură
între variația genetică comună
și aceste boli comune.
Deci aceasta este o
întindere a unui genom.
Cred că am împrumutat asta de la
David Altshuler sau Eric Lander.
Nu sunt sigur.
Și așa
arată variația genetică.
Deci aveți o perioadă lungă de timp aici.
Și dacă comparați două întinderi
luate de la oameni diferiți,
veți descoperi că există
un loc aici și un loc
aici unde poate diferă.
Și cele mai multe dintre aceste variante
schimbă o singură nucleotidă
sau o singură literă de ADN și se
numește, prin urmare,
Polimorfismul Single Nucleotide.
Și înseamnă că multe forme,
sau în acest caz,
ar fi doar două forme,
sau un SNP pe scurt.
Și ceea ce ați putea găsi este că există
această porțiune de ADN
în care toată lumea este la fel.
Și apoi la această nucleotidă,
unii oameni au un C
și alții un T.
Și ceea ce vrem să știm
este, dintre toate aceste
variante genetice diferite,
care vor fi
cele care vor afecta
lucrurile care ne pasă.  despre?  Așa
că iată ceva de
care ar trebui să fim
pasionați cu toții în
următoarele câteva luni,
deci dacă ești
fericit sau trist că A-Rod
a mers la Yankees sau
ceva de genul.
Dar nu, serios, dacă
acesta ar fi sănătos și bolnav, ca să
nu spunem care este
care aici, atunci
am fi interesați să vedem
care variante urmăresc împreună
cu boala.
Și acesta va fi
esența generală a ceea ce
oamenii încearcă să facă.
Așa că am spus că există
o legătură
între
variantele comune și boală.
Și așadar, o întrebare
este, de ce am putea fi
interesați de variante comune?
Și dacă te gândești bine
, înainte de a începe,
ce se știe până acum
despre boala genetică?  Ați
putea spune, ei bine,
acesta este locul greșit în care să
căutați, deoarece dacă vă uitați
la lucruri precum Tay-Sachs
sau fibroza chistică,
acestea sunt cauzate în mare parte
de
variante genetice care sunt
destul de rare în populație.
Sunt
mutații dăunătoare severe care
provoacă aceste boli grave.
Deci, dacă acele boli genetice
sunt cauzate de variante rare,
de ce lucruri
precum diabetul nu ar
fi cauzate de variante rare?
Și este o întrebare deschisă
și voi intra în asta.
Dar permiteți-mi să vă expun
cel puțin o parte
din fundal.
Așa că ți-am arătat mai devreme că,
dacă secvențiază o porțiune
de genom și îți imaginezi că
este vorba de aproximativ 1.000 de baze de la doi
cromozomi diferiți - ar
putea fi doi cromozomi de
la aceeași persoană sau ar putea
fi un cromozom de la cineva
de aici și un cromozom de la
cineva.  în întreaga lume-- ai
primi același
răspuns mai mult sau mai puțin,
adică, în
medie, ai vedea că aproximativ 1
din 1.200 de baze
ar fi diferite.
Apoi, puteți pune
întrebarea, ei bine, după ce am
identificat aceste două
alele, alela C și
alela A, dacă apoi mă uit în
aceleași 1.000 de baze de o mulțime
de alți cromozomi, este că
această alela A sau poate această
alela C este  doar un eveniment cu adevărat unic
care este privat pentru unul
dintre acești cromozomi?
Sau văd ambele alele
în întreaga lume?
Și răspunsul, de cele mai multe
ori, aproximativ 90% din timp,
este că vedeți ambele
alele în întreaga lume.
Și ceea ce
înseamnă asta este că cele mai multe
dintre diferențele pe care le puteți
găsi între doi cromozomi
sunt explicabile sau
atribuibile variației,
acele variante care
sunt comune, care
sunt împărtășite în întreaga lume,
care nu sunt ca mutațiile Tay-Sachs
.
Dar sunt de fapt
variante vechi
care s-au întâmplat cu mult
timp în urmă și sunt
prezente în mai multe
populații din întreaga lume.
Deci corect.
Și practic asta
spune.
Și astfel acest lucru a condus
la o ipoteză.
Așadar, ipotezele
sunt următoarele: în
primul rând, că majoritatea
variațiilor din genom
sunt neutre din punct de vedere evolutiv.
Acest lucru poate
fi sau nu adevărat, dar, de fapt,
dacă nu este,
atâta timp cât
nu este, majoritatea variațiilor
sunt benefice din punct de vedere evolutiv.
Suntem ok.
Dar să presupunem că există un
fundal pentru genom.
Deci, aveți o tăietură care este la
22 kb distanță de cea mai apropiată
genă și probabil că nu
afectează
deloc funcția acelei gene.
Asa ca presupunem ca evolutiei
nu i-a
pasat in mod special de schimbarea de baza.
Știm că cea mai mare parte a
acestei variații, cea mai mare parte a

variației de fundal este probabil
ceea ce ați numi asta,
mai degrabă decât neutră,
se datorează acestor variante comune.
Asta tocmai v-am arătat,
că 90% din acea variație
se datorează unor variante comune.
Știm, de asemenea, ceea ce v-am
spus cu boala Tay-Sachs
, că trăsăturile
sub selecție negativă se
vor datora, de fapt, în mare parte unor
variante rare.
Și există o
descriere frumoasă a motivului pentru care
acest lucru ar trebui să fie adevărat într-un
articol al lui Jonathan Pritchard.
Dar există o
ipoteză că trăsăturile
care nu sunt sub
selecție negativă sau cel puțin nu
sub selecție negativă severă
se vor datora de fapt unor
variante care arată
mai mult ca fundal,
deci sunt variante comune.
Și deci aceasta este ceea ce se numește ipoteza
boală comună-varianta comună
.
Și una dintre cele mai puternice
descrieri, aș spune,
este o lucrare a lui Reich și Lander
în Trends in Genetics, 2002.
Și ideea de ce
bolile comune ar putea
fi ca... s-ar putea
datora alelelor
care nu sunt sub
grave.  selecția negativă
merge așa.  În
primul rând, sunt
de fapt comune.
Deci, într-un anumit sens,
sună tautologic,
dar de fapt nu este.
Ele nu pot fi atât de
dăunătoare din punct de vedere evolutiv
dacă sunt extrem de...
dacă sunt extrem de comune.
Deci acesta este un argument.  A
doua este că sunt
multifactoriale.
Deci, fiecare genă care contribuie la
aceste boli comune contribuie de fapt doar

puțin la susceptibilitate.
Iar aceasta va
fi o temă care va
trece prin toată această discuție.
Deci, chiar dacă ar fi o...
chiar dacă ar fi oarecum
dăunătoare din punct de vedere evolutiv,
fiecare alelă individuală
ar contribui doar cu
o mică parte din aceasta.  În
al treilea rând este că adesea
tind să apară întârziere
sau după vârsta reproductivă.
Deci, din nou, evoluției îi pasă
mai puțin de chestii de genul ăsta.
Deși, nu știm.
Poate fi bine să-l fi avut pe
bunicul tău în Africa
acum 50.000 de ani.
Deci s-ar putea ca
bolile cu debut tardiv să fie rele.
Un alt lucru este că s-a emis
ipoteza
că unele dintre aceste boli,
cum ar fi hipertensiunea sau diabetul,
au de fapt ceea ce se numește
selecția de echilibrare, și anume că da, îți
dau
diabet la sfârșitul vieții,
dar motivul pentru care
îți dau diabet
este pentru că te ajută să faci.
tine mai bine caloriile.
Așa că asta îți dă obezitate acum
când avem McDonald's în preajmă.
Dar acum 100.000 de ani,
când mâncarea era rară,
poate că era foarte bun.
Există ceva numit
ipoteza genei economiei.
Deci, pentru hipertensiune arterială,
poate că era
bine să te ții de
sare dacă locuiești
într-un deșert, așa ceva.
Deci, dacă căutăm
o variație comună
sau ne gândim că
acesta poate fi un loc bun
pentru a căuta variantele genetice
care stau la baza bolii comune -
și din nou, această
ipoteză nu
spune că
variația rară nu va contribui, de asemenea,
la  boala.
Spune doar că o
variație comună va
face parte din contribuabili.
Deci, dacă
îl căutăm, s-a
estimat că există aproximativ
10 milioane de SNP-uri comune în care
ambele alele se
găsesc la mai mult de 1%
în populația generală.
Aproximativ 6 milioane dintre acestea sunt
deja în baze de date.
Deci, de fapt, este cea mai--
o parte bună care a
fost găsită.
Și după cum veți vedea, există
multă redundanță între SNP-uri.
Deci, probabil, o parte foarte mare
a variației, o
variație comună a
genomului, a
fost catalogată, ceea ce
este un lucru remarcabil.
Când am început în acest
domeniu nu cu mult timp în urmă,
cred că în urmă cu șase ani
, a apărut o lucrare
care a apărut din
laboratorul Lander, care
este un tur
de forță masiv, catalogând
2.000 de SNP-uri de-a lungul genomului.
Și acest lucru a quintuplicat numărul
de SNP-uri care au fost cunoscute.
Și așa este acum... de
3.000 de ori mai multe acum,
doar în ultimii șase ani.
Și toate acestea le puteți găsi
pe site-uri web
precum dbSNP sau
UCSC Genome Browser,
iar CBI are un browser pentru genom.
Și toți sunt acolo.
Deci, aceasta este o captură de ecran din
browserul UCSC Genome.
Fiecare dintre aceste
linii mici este un SNP.
Și probabil că acesta este
deja depășit,
deși l-am luat nu cu
mult timp în urmă de acolo.
Și aceasta este doar într-o
genă, fiecare dintre acestea sunt... pe
fiecare dintre aceste două
coloane este un SNP.
Deci, dacă vrem să folosim acest
catalog de variații comune
pentru a încerca să găsim alelele
responsabile de boală,
cum putem face asta?  Ei
bine, o modalitate ar
fi de fapt să încerci
să studiezi fiecare variantă sau cel
puțin fiecare variantă comună.
Acest lucru ar fi grozav.
Ar fi o căutare imparțială
a întregului genom, practic a
întregului univers
de variație comună.
Și asta ar fi grozav
dacă am putea face asta,
dar nu este
practic în prezent.
10 milioane de oameni... scuze,
10 milioane de variante.
Și așa cum vă voi arăta, aveți
nevoie de multe mii de oameni
pentru a face asta.
Deci, de fapt, funcționează
pentru sute
de miliarde de genotipuri.
Deci este ceva de
genul bugetului Pentagonului
sau ceva pentru un
an pentru a face un studiu.
Deci NIH nu-i plac
astfel de granturi.
Deci, practic, până când
acest lucru devine mult mai ieftin
și/sau aplicăm unele
dintre comenzile rapide despre
care vă voi spune,
trebuie să alegeți ce gene
și variante
vom studia.
Deci, aceasta aduce în
metode de găsire a trăsăturilor.
Aveți întrebări până acum?
Așa că suntem pe cale să
încercăm să găsim care
dintre aceste variante comune
ar putea contribui
la boli comune.
Deci, într-adevăr, trei
abordări, dintre care două
au de-a face cu
variante comune și una
care are de-a
face în mod explicit cu variante rare.
Și voi ajunge la asta la final.
Deci abordarea tradițională
de a găsi gene pentru boală
a fost de fapt
ceva numit legătură.  Nu
știu.
Băieții au făcut legături?
Este ceva
ce s-a făcut aici?
Da?
Nu?
Așa că voi trece pe scurt
prin legătură.
Prin urmare, legătura necesită
familii în care
, în
caz de boală, aveți
mai multe rude afectate
în aceeași familie.
Deci aceia ar putea fi
frate/sora,
sau ar putea fi
veri sau un unchi
și o nepoată sau
ceva de genul ăsta.
Și ideea este că există
o singură alelă care cauzează boli
care segrega acea familie.
Așa că este transmis
unora dintre persoanele
din familie și nu altora.
Și cealaltă presupunere este că
boala va mai mult sau mai puțin --
nu trebuie să fie perfectă,
dar trebuie să fie destul de bună -- se
va urmări mai mult sau mai puțin
cu acea alela.
Acum, pentru legătură,
nu
tastezi de fapt alela în sine.
Ceea ce faci,
tastezi markeri
care înconjoară alelele.
Deci s-ar putea să fie la câteva
milioane de baze distanță, de fapt.
Și acesta este un
lucru obișnuit despre markeri
distanțați la fiecare 10 milioane - la
fiecare câteva până la 10 milioane de baze.
Și ideea este că,
din moment ce doar
cauți într-o
familie, se dovedește
că un milion de baze este ceea ce se
numește un centimorgan, ceea ce
înseamnă că
evenimentele de recombinare au loc
o dată la fiecare sută de meioză.
deci în câțiva
centimorgani, în
general, nu vor
exista
evenimente de recombinare în cadrul unei familii.
Deci, markerul care se află la
câteva milioane de baze distanță
va călători cu
alela bolii în familie.
Deci folosești acel marker ca
surogat pentru
alela bolii și urmărești
markerul prin familie.
Și spui care
dintre acești markeri.
Deci, dacă acest marker
călătorește cu boală,
spui că poate este destul de
aproape de alela bolii.
Dar un marker pe
alt cromozom
nu se va separa
cu boala.
Deci veți spune că
regiunea nu este legată.
Deci asta e legătura, practic.
PUBLIC: [INAUDIBIL]
JOEL HIRSCHHORN: Așadar, în mod
tradițional, au
fost microsateliți,
care sunt markeri
care sunt lucruri ca repetiții
ale secvenței TATATATATA,
iar unii oameni au...
ADN polimeraza nu le place
să le copieze foarte bine.
Deci unii oameni au 50 de
copii, alții au 44,
alții au 53,
așa ceva.
Și le poți tasta.
Sunt o durere în
fund cu care să lucrezi, de fapt.
Și astfel oamenii se
schimbă, încep să
utilizeze
analiza de legături bazată pe SNP.
Pentru că tot ce ai
nevoie este practic
un marker care să
îți permită să distinge
fiecare dintre cromozomii care
se segregă în familie.
Deci, probabil,
microsateliții sunt...
va... va avea loc o
schimbare.
Dar a avut un succes extraordinar
pentru tulburările cu o singură genă.
Și motivul pentru care a
avut succes este
pentru că există întotdeauna
o singură copie într-o familie
a alelei bolii, iar
segregarea cu boala
și acel marker este într-adevăr
foarte bună, deoarece dacă aveți alela care
cauzează boala
, obțineți boală
și dacă  tu nu, nu ai.
Deci, pentru bolile comune, niciunul
dintre aceste lucruri nu este adevărat.  În
primul rând, deoarece
sunt implicate mai multe gene,
este posibil să nu aveți
alela care cauzează boala,
dar să obțineți boala
oricum și invers.  S-
ar putea să aveți
alela de susceptibilitate la boală,
într-adevăr ar trebui să fie numită
și să nu obțineți boala.
Și, în plus,
ar putea exista mai multe -
deoarece ar putea fi
o variantă comună, de
fapt ar putea
exista mai multe copii
ale alelei de susceptibilitate care
călătoresc în aceeași familie.  Așa
că markerii care sunt la
câteva milioane de baze distanță acum
nu mai marchează perfect
alela de susceptibilitate la boală
pentru că poate de această parte a
familiei, este marcată de...
călătorește cu acest
marker, această alela.
Dar apoi în această parte a
familiei, unde se segregă,
călătorește cu un
marker diferit.
Deci toate aceste lucruri
conspiră împotriva ta
pentru boli comune.
Cu toate acestea, oamenii au
găsit câteva lucruri
prin legătura dintre
bolile comune și le-au găsit.
Genetica DeCODE din
Islanda este probabil cel
mai prolific
exemplu în acest sens.
Deci, dacă legătura nu
funcționează, ne aduce
la cealaltă
abordare principală care este folosită, despre
care voi petrece o mulțime
de discuții,
deoarece este metoda principală.
Se numește studii de asociere.
Și, practic,
ceea ce înseamnă asta este
că, în loc să cauți
prin întregul genom,
alegi gene candidate.
Și Rich și
[INAUDIBLE] au arătat
că acest lucru este mult mai potrivit
decât legătura cu acest scenariu
în care aveți
alele comune care
au doar efecte modeste
asupra bolii, ceea ce se numește
penetranță modestă.
Și apoi există o
altă abordare pe
care oamenii o
adoptă, și anume ei
spun: OK, înțeleg că
legătura ar putea să nu
fie cea mai bună cale de a merge.
Dar nu cred
chestia asta cu variantele comune.
Vreau să caut variante rare
care contribuie la boală.
Și, așadar, ceea ce
faci este că,
din nou, alegi
genele pe care să le vezi.
Dar, în loc să scoată doar
SNP-urile de pe harta publică
și să caute
variații comune,
acestea sunt de fapt
resecvențiere pentru a încerca
să găsească acele variante rare care
sunt prezente numai în boli.
Și cele mai bune
exemple în acest sens sunt
BRCA1 pentru cancerul de sân, care
de fapt a fost identificat inițial
prin legătură, dar aceasta este
o boală rară, precum și
mutațiile MC4R.
Aceasta este o
genă a receptorului melanocortin-4,
în care există o mulțime
de variante rare
care contribuie la debutul precoce,
în special la obezitatea severă.
Dificultatea cu
această abordare în acest
moment este că este foarte scumpă.
Este mult mai
costisitor să resecvențezi
decât să faci genotiparea
polimorfismelor.
Și dacă cheltuiala ar fi
inversată, oamenii
ar face probabil
această resecvențiere,
deoarece asta vă aduce
și variantele comune.
Și este într-adevăr doar... este în
mare parte o problemă de cheltuieli
că nu putem face asta.
Așa că am vorbit despre studiul care
ar lua doar
bugetul Pentagonului.
Dacă ar fi
să faci asta,
probabil că ar lua PIB-ul
pentru istoria
Statelor Unite sau ceva de genul acesta.
Deci suntem încă la o
distanță de asta.
Publicul: Totuși, asta
contravine întregii ipoteze,
[INAUDIBIL]
JOEL HIRSCHHORN: Da.
Deci spun doar
că dacă alegi să...
nu vreau să spun că
ipoteza a fost dovedită.
Cred că variantele comune
contribuie la boala comună.
Există încă oameni care
cred că acest lucru nu este deloc adevărat
și că, într-adevăr, acesta
este singurul lucru care
va aduce vreodată ceva
este să caute variante rare.
Deci și cu
siguranță există câteva
cazuri în care
acest lucru a fost adevărat.
Și acest lucru într-adevăr nu a
fost explorat în nicio măsură
doar pentru că este atât de scump.
Și l-am pus acolo
doar pentru că, dacă
dintr-o dată, ai secvența
genomul cuiva pentru 100 de dolari
ar fi fezabil, ai
lua 1.000 de oameni cu diabet
și le-ai secvența genomurile.
Și așa ar fi modul în care
faci experimentul.
Deci, de aceea este acolo.
Deci aceasta este o versiune de desene animate
a ceea ce tocmai v-am spus.
Analiza legăturii vă permite să
căutați întregul genom
și vă indică o regiune,
deși nu
vă indică gena.
Așa că nu uitați, acești markeri
sunt la 10 milioane de baze unul de celălalt.
Și, de fapt, din cauza unor
capricii ale geneticii trăsăturilor complexe
și a motivelor pentru care
legătura nu este atât de potrivită,
de obicei obțineți
o regiune de aproximativ 20 de centimorgan
sau aproximativ 20 de milioane de
baze, care poate avea
aproximativ 200 de gene în ea.  .
Și va spune undeva
în acele 200 de gene,
există ceva care
contribuie la boală.
În timp ce asocierea,
cauți câte o genă la un moment dat,
deci nu...
dar trebuie să ghicesți
corect unde să mergi.
Și așa că trebuie să... deci
aici este acest car de fân de 30.000 de
gene sau 30.000 de paie.
Și poți să scoți
unul și să spui,
este un pai sau un ac?
Nu, este un pai.
Următorul.
Și uite.
Și, evident,
succesul depinde de faptul că
poți ghici corect.
Dar noi, de fapt... cel
puțin pentru prima dată,
știm ce
sunt cele 30.000 de pai.
Deci acum există un site web
cu întregul genom pe el.
Și devenim destul de
buni, așa cum vă spun, să
spunem dacă lucrurile
contribuie real la boală
sau nu.
Dar această interpretare
a faptului că acesta
este un pai sau un
ac va
fi punctul central al
multor discuții,
deoarece acesta este studiul
pe care mulți oameni îl
fac este că aleg o
genă și o testează
și o pretind.
are sau nu
un rol în boală.
Și vreau doar să
vă ofer
un pic de sofisticare în
citirea unor astfel de studii
pentru a încerca să spuneți că ar trebui să credeți
tot ceea ce citiți?
Răspunsul evident este nu.
Dar așa este un
studiu de asociere.  Vă
puteți imagina că ați avut
persoane sănătoase și persoane
cu boala Alzheimer.
Și există o variantă comună
în gena APOE numită APOE4.
Codifică apolipoproteina E.
Și este o
variantă comună pentru că dacă te
uiți în populația de control,
vei vedea că este acolo aproximativ 10%
din timp,
ceva de genul ăsta.
Dar dacă te uiți la persoanele
cu boala Alzheimer,
vei vedea că frecvențele au
crescut de aproximativ trei ori.
Și deci aceasta este... aceasta este
paradigma pentru asocierile
de boli comune
și variante comune,
și acest lucru a fost văzut
din nou și din nou.
Te uiți la aproape fiecare
studiu care a fost făcut,
vezi această creștere a riscului.
Da.
PUBLIC: Îmi pare rău.
JOEL HIRSCHHORN: Nu, nu.
Sigur.
PUBLIC: Ar trebui să... De asemenea, te-ai
uitat, evident, [INAUDIBIL]
JOEL HIRSCHHORN: Da.
Deci, de fapt, da.
Deci, există un
pic de subtilitate
chiar și în această asociere.
Așa s-a văzut și
în alte etnii.  Se
pare... deși,
ultima dată când m-am uitat la asta,
datele nu erau
suficient de puternice pentru a spune că a
existat cu siguranță o diferență.
Dar se pare că
asocierea cu
boala Alzheimer ar putea fi
puțin mai slabă
în populațiile africane.
Ar putea exista o mare varietate
de motive pentru care acest lucru este adevărat
și voi trece prin câteva
dintre ele doar în general.
PUBLIC: Pentru că
există mai puțin [INAUDIBIL]
ca dacă tocmai ai făcut asta pentru
toți indivizii -- dacă ai făcut
asta [INAUDIBIL]
JOEL HIRSCHHORN: Nu.
Deci rata, frecvența
APOE4, în acest caz,
nu variază de fapt atât
mult la nivelul populaţiilor.
Este o alelă veche.
Unele alele o fac, iar tu
intri în ceva
numit amestec etnic, la
care cu siguranță voi
ajunge în scurt timp.
Deci, așa cum am spus,
trebuie să ghiciți corect.
Deci, există o problemă cu
ce gene ghiciți?
Și în mod ideal, din nou, cineva
ar dori să le facă pe toate.
Și este din ce în ce mai aproape să
poți face asta, dar... da?
PUBLIC: Persoane
cu exemplul BCRA1,
când luați
studiul de legătură și găsiți acea regiune care
pare a fi legată...
JOEL HIRSCHHORN: Deci,
acesta este cu siguranță
un lucru pe care l-ați face.
Așa că până în acest an a
fost destul de greu

să faci asta.
Deci ai 200 de gene.
Și să
parcurgeți temeinic o genă
și să vă uitați
la toate cele 200 dintre ele
a fost ceva care practic nu
a fost la îndemână.
Deci, ca să vă dau un exemplu,
cred că tocmai am primit
finanțare pentru a face exact asta
pentru un vârf de legătură cu obezitatea.
Și nu am fi putut să
scriem să
facem asta ca parte a unui
grant obișnuit de tip R01.
Nu am fi putut scrie un
R01 pentru a face asta acum un an.
Pur și simplu a fost prea
scump și prea greu.
Sunt doar informații
despre ce variante să tastați
și voi trece, din nou,
folosind haplotipuri și chestii de
genul ăsta pentru a face asta.
Informațiile
pur și simplu nu erau acolo,
iar cheltuielile erau prea mari.
Dar da, sunt de acord.
Aceștia ar fi
primii candidați.
Așa că ați folosi informații
din studiile de legătură.
Și ați putea spune doar,
nu-mi pasă de nimic altceva din ce
spune cineva.
Am de gând să iau legătura.
Dacă trăsătura ta complexă
sau boala ta obișnuită
are norocul să aibă un
vârf de legătură pe care îl crezi,
ceea ce nu este adevărat pentru
majoritatea dintre ei, de fapt,
dar pentru unii dintre ei
este, ați spune,
acestea sunt cele mai bune 200 de gene.
Mă duc după acelea.
Aceasta este cu siguranță o abordare.  Ai
putea spune, ei
bine, legătura nu este
foarte bine alimentată
pentru boala comună.
Probabil că majoritatea genelor
nu se află sub vârfurile de legătură.
Și majoritatea genelor aflate
sub vârful de legătură
nu sunt cele potrivite.
Așa că o să ignor asta.
Voi alege
lucruri care... Voi
spune că 100 de ani de
cercetare au însemnat ceva.
Și dacă studiez
diabetul,
voi face
calea de semnalizare a insulinei și funcția celulelor beta
și genele de
diferențiere a celulelor grase obez
și chestii de genul ăsta,
iar acestea sunt genele pe care o să
merg.
Sau ați putea spune, ei bine,
aceasta este doar știință pentru lampă
pentru că este biologia
pe care oamenii o fac.
Și acesta nu este foarte puternic,
dar acesta este un instrument la nivelul întregului genom.
Putem folosi analiza expresiei,
așa că cercetăm toate genele,
găsim lucruri care sunt exprimate
la diferite niveluri în boala
față de oameni sănătoși
și spunem că unele
dintre acele modificări sau multe
dintre aceste modificări
ar putea fi secundare
stării bolii.
Poate că unele dintre acestea reprezintă
o variantă de reglementare primară
care afectează boala.
Și așa mă duc
să le caut.
Și ceea ce încercăm să facem și
ceilalți oameni încearcă să facă
este că, de fapt, cele mai
interesante gene
sunt probabil cele care se
întâmplă să cadă aici,
deși nu se
spune că trebuie să
cadă în această intersecție.
Poate cad aici
sau acolo sau acolo sau chiar
doar unul dintre acestea sau în
universul exterior cu totul.
Dar vă voi da doar un
exemplu pentru diabetul de tip 2
doar pentru că de fapt
facem acest gen de lucruri.
Deci există sute
de ani de biologie
sau 100 de ani de biologie
probabil pe diabet,
o mulțime de modele de șoareci,
tulburări de o singură genă care
provoacă boala.
Deci asta e altceva.
Dacă variația severă provoacă o
formă severă a bolii,
poate variația ușoară
provoacă o formă cu debut tardiv.
Deci poți... există
o listă de gene acolo.
Deci, pentru diabet, acesta este unul dintre
acele lucruri în care într-adevăr
nu există un vârf de legătură perfect de
sub.
Grupul lui Graeme Bell
a identificat gena Calpain-10
mergând sub un vârf în care au
avut o legătură semnificativă.
Deși, dacă ai pune de fapt
toate dovezile legate de legături
de la toată lumea,
nu ai fi
spus că există
vreo legătură semnificativă
cu diabetul acolo.
Această asociere este
probabil adevărată, dar nu...
așa că poți face asta, dar
nu este sfârșitul.
Și apoi au existat
studii de exprimare în diabet
care au indicat o cale
de fosforilare oxidativă.
Așa că unii colegi de-ai mei,
[INAUDIBLE], David Altshuler,
[INAUDIBLE], Cecilia
Lindgren și alții, precum și
o lucrare de la Nick Joselyn.
Mary Elizabeth Patty a
arătat spre acea cale.
Și există gene care sunt
de fapt în această zonă roșie,
câteva dintre ele.
Așa că mergem după
acele gene, de exemplu.
Deci, asta înseamnă alegerea genelor
și este mai mult o... în
acest moment,
mai mult o formă de artă
decât orice
algoritm computerizat pentru a face asta.
Deși, chiar dacă obțineți
toate informațiile într-un singur
loc, unde puteți chiar să faceți
interogări despre ce gene se află
sub vârful de legătură, ce gene
sunt exprimate diferențial,
ce gene sunt în
căi cunoscute,
acestea sunt de fapt instrumente pe care
doar încercăm să le dezvoltăm.  .
Deci care gene și
apoi ce variante?
Deci, în mod ideal, aveți
alela care cauzează boala
în mână și o
genotipați
și o testați pentru că sunt
markerul pe care îl testați,
spre deosebire de a fi la
distanță,
este perfect corelat
cu variantele.  .
Asta e situatia ideala.
Și asta înseamnă că poate ar
trebui să ne
concentrăm cu adevărat eforturile pe
găsirea variantelor care
sunt cel mai probabil să
fie funcționale, atât de
similar cu modul în care ați putea
încerca să găsiți genele care sunt
cele mai probabile să fie responsabile.
Deci cele mai evidente lucruri
sunt variantele missense.
Și acestea sunt ușor de recunoscut.  S-a
arătat că, dacă
te uiți la ei...
sunt mult mai rare
decât ar trebui să fie,
ceea ce înseamnă că evoluția s-a preocupat de
ei pentru a le suprima.
Atât de multe dintre ele sunt
de fapt ușor dăunătoare.
Poate că nu sunt
dăunătoare severe,
dar poate că acesta este doar
echilibrul potrivit
pentru a provoca o boală comună.
Și chiar dacă
faci variante rare,
poți să le recunoști
și să le grupezi
și să le studiezi ca
o clasă, dacă
vrei să spui... dacă ai
modelul că variantele rare provoacă
boli.
Deci, dar știm, și
există o mulțime de cazuri
acum, în care varianta care a
fost identificată în cele din urmă
este de fapt pentru o
trăsătură complexă nu a
fost o variantă greșit.  A
fost o
variantă de reglementare care
afectează nivelul
genei, dar nu și structura
proteinei pe care o codifică.
Există un exemplu grozav
din diabetul de tip 1
din grupul lui John Todd
și alții
în care a existat o
variantă greșit despre care
se credea că este
varianta potrivită,
dar apoi au făcut un
studiu imens și au arătat
că, de fapt, toată
asocierea pe care au
văzut-o cu
varianta missense a fost de fapt
explicată de ceva
în UTR 3 prime
și a afectat
nivelul genei.
Deci întrebarea este, ei bine,
acestea sunt greu de recunoscut.
Există o mulțime de
variații la care
nu avem idee cum să ajungem.
Deci, motivul pentru care putem
recunoaște variantele greșite
este că cunoaștem codul genetic.
Au spart asta la
scurt timp după DNA.
Dar nu cunoaștem
codul de reglementare.
Deci, există un efort acum
pentru a încerca să descifram, în esență,
codul de reglementare,
folosind mai multe specii
și făcând comparații.
Deci asta e din
grupul lui Eddie Rubin.
Acesta este un site grozav.
Se numește browser ECR.
Și puteți vedea,
ceea ce vedeți aici
sunt regiuni care sunt de fapt
conservate evolutiv
între specii și,
prin urmare, pot fi importante.
Evoluţioniştilor le-a
păsat din nou de ei.
Deci ele pot fi
regiuni de reglementare importante.
Și există o
rezervă experimentală pentru acea ipoteză.
Deci, practic, asta ar
sugera că ar trebui să--
și [INAUDIBLE] să fi
sugerat această abordare,
cel puțin pentru variantele greșite,
că ar trebui să reordonăm
regiunile vizate, să încercăm să găsim
fiecare variantă care este acolo
și să ne asigurăm că le
introducem pe toate.  .
Și din nou, problema este că
resecvențarea este costisitoare.
Dar s-ar putea să nu avem
varianta cauzală în mână
dacă nu trecem
prin această abordare
sau dacă ne pricepem prost să ghicim care
sunt variantele de reglementare.
Deci ar trebui să încercăm
să înțelegem și
corelația
dintre variante.
Am făcut aluzie la
faptul că SNP-urile
sunt redundante între ele.
Deci, dacă aveți
varianta cauzală care
nu a fost genotipată,
trebuie să deduceți efectul acesteia
prin genotipizarea SNP-urilor vecine.
Și astfel trebuie să
fie corelate
sau ceea ce se numește în
dezechilibru de legătură
cu varianta cauzală.  Se
pare că
de multe ori este adevărat.
Deci, așa

arată genomul de cele mai multe ori
sau cea mai mare parte a genomului, unde
diapozitivul pe care v-am
arătat-o ​​înainte,
imaginați-vă că este acum micșorat.
Căutăm acum
30.000 de baze ale unui grup de
cromozomi diferiți.  Ceea ce
vedeți este că dacă
aveți un C aici și un C aici,
puteți prezice că
veți avea un G
aici, un C aici, un A
aici și un C acolo.
Și aceste modele de alele
se numesc haplotipuri.
Și în cea mai mare parte a genomului,
există aceste blocuri
de corelație sau blocuri
de dezechilibru de legături
unde există doar
câteva haplotipuri comune.
În acest caz, există
roșu, albastru și galben.
Și ocazional, există o
amestecare prin recombinare.
Acestea au fost identificate pentru prima dată
de Mark Daly și colegii
din genetică, iar
apoi acest lucru s-a dovedit a fi
adevărat la scară la nivel de genom
cu Stacey Gabriel și colab.
Și motivul pentru care acest lucru este
util este că, dacă există
un polimorfism cauzal, dar
nu unul pe care l-ați tastat,
îl puteți prezice destul de bine
de către markerii vecini.
Deci, dacă aveți un
C aici și un A aici,
atunci probabil că aveți
acest polimorfism cauzal.  Vă voi explica pe
scurt.
Dar voi trece
puțin peste asta,
doar gama de cum
arată aceste modele.
Există o măsură
a corelației,
care nu este important de
înțeles, numită D prim.
Practic, roșul înseamnă că
SNP-urile sunt corelate între
ele,
iar orice altă culoare
înseamnă că
nu ești sigur dacă sunt.
Și vă voi arăta un
mic diagramă ca acesta,
unde acestea sunt datele
pentru markerii 1 și 2
și acestea sunt datele
pentru markerii 3 și 5.
Și așa
arată blocurile,
unde vedeți o
grămadă de roșii.  triunghi
aici, ceea ce înseamnă că
toți markerii de la 1 la 6
sunt corelați unul cu celălalt.
Și apoi aici, 8 până la 13 sunt toate
corelate între ele.
Și asta corespunde
existenței a două blocuri
de dezechilibru de legătură.
Și din nou, din Gabriel,
et al.  hârtie, dacă te uiți,
concentrează-te doar pe
figura din dreapta,
într-o populație europeană sau asiatică, de exemplu,

peste aproape 40% din genom se
găsește în blocuri de peste 50 kb,
iar dimensiunea medie a blocului
este de aproximativ  22 kb.
Deci, în medie, dacă te
uiți în genom,
există această corelație care se
extinde pe zeci de mii
de baze de ordinul
mărimii unei gene,
deși nu se
corelează neapărat perfect cu genele.
Și în acele
blocuri, așa cum v-am arătat
cu acel model roșu, albastru
și galben,
sunt prezente doar câteva
haplotipuri comune,
deci de ordinul a trei până la
patru pentru populațiile non-africane
și încă unul sau două pentru
populațiile africane.
Și ei explică
marea majoritate
a cromozomilor
din acea populație.
Și, în plus,
haplotipurile în sine
sunt în general
partajate, iar africanii
au puțin mai mult.
Și asta pentru că atunci când
oamenii au apărut din Africa,
doar un subset al
diversității geniculate a mers cu ei.
Deci Africa este de fapt un
continent mai divers
decât este restul lumii.
Și nu voi trece
prin motivele pentru care
există blocuri,
dar, practic,
are de-a face cu natura
recombinării, faptul
că există puncte fierbinți
de recombinare
și această apariție -
acest model din Africa.
Și asta a condus la o
propunere prin care, practic,
dacă puteți recunoaște aceste
modele roșii, albastre și galbene,
puteți
identifica apoi câteva
SNP-uri etichetate, în acest caz, două, care
disting acele modele.
Deci, dacă ai
varianta roșie, ești...
dacă ai varianta pentru
eticheta SNP 1, ești roșu,
dacă ai varianta pentru
eticheta SNP doi, ești galben
și dacă nu
ai nici una  varianta,
trebuie sa fi fost albastru.
Și, deci, asta înseamnă că, dacă
puteți introduce suficienți markeri
pentru a distinge aceste
modele, atunci puteți
identifica aceste etichete SNP.
Și asta reduce foarte mult
efortul de care
aveți nevoie pentru a acoperi o regiune.
Și deci acesta este scopul hărții
haplotipului uman
, care este în curs de desfășurare.
Este un proiect internațional de 100 de milioane de dolari
.
Practic, este să tastați aproximativ
un milion sau mai mulți markeri
în trei
populații de referință diferite --
european-american,
vest-african și apoi
est-asiatic, care este
japoneză și chineză.
Și puteți accesa
site-ul web al hărții hap
sau puteți vedea această descriere a naturii.
Dar scopul său este să identifice
toate aceste SNP-uri etichetate.
Și astfel abordarea
ar fi, practic, să
luați SNP-urile din
baza de date, să genotipați aceste SNP-uri
în panouri de referință, să măsurați
dezechilibrul legăturii și apoi să
identificați
SNP-urile etichetelor, apoi să le selectați
și apoi să luați acele SNP-uri și să
le introduceți în populație.
Așa s-
ar fi înființat, în 2004,
să facă un studiu de asociere,
în care să alegi gene.
Ai înțelege
structura haplotipului.  S-
ar putea chiar să faceți
niște resecvențieri
pentru a vă asigura că aveți toate
variantele missense.
Și apoi ați lua un
set, un subset de variante
și le-ați introduce în populații
și ați face studiul de asociere.
Problema este că, după ce ai
făcut toată munca pentru a configura
acest lucru, faci o
asociere, o publici
și găsești că este foarte
dificil pentru altcineva
să o reproducă.
Deci a fost multă
muncă degeaba, nu?
Așa că am vrut să
înțelegem, dacă vom
încerca să
folosim asta ca un instrument,
ei bine, de ce
nu sunt reproduse studiile de asociere?
Și chiar există trei
explicații posibile.
Una dintre ele ar putea fi false pozitive.
Deci, când ți-ai făcut
asocierea, a fost pur și simplu greșit.
Poate ați testat
o mulțime de gene
și ați testat o mulțime de
variante și o mulțime de gene
și, întâmplător, ați
obținut o valoare p de 0,01.
Așa că mergi înainte
și îl publici.
Și a fost doar pentru că ai
aruncat o monedă de
câteva ori și ai
primit un șir de... ai
avut o serie de capete.
Nu înseamnă că
moneda are două capete.  Ar
putea însemna că, de fapt, ai
avut dreptate, dar atunci
oamenii care au venit după tine
aveau studii mici, mici,
și
căutau un efect modest
și pur și simplu nu
aveau suficientă putere.
Deci de fapt a fost...
moneda a fost nedreaptă.
Așa că iese cu capul
mai des decât cu cozile,
dar ei l-au răsturnat doar de cinci
ori și a venit în sus--
sau l-au răsturnat doar de
șase ori
și a venit cu capul de trei
ori și cozile de trei ori.
Acest lucru este echivalent a face un
studiu cu nu foarte mulți oameni.
Deci este doar o lipsă de putere.
Și atunci ar putea exista
diferențe adevărate între populații,
astfel încât markerul să
fie într-adevăr asociat
cu boala în populația dvs.,
dar nu în populația pe
care a studiat-o altcineva.
Așa că ne-am propus să trecem în revistă
literatura studiului asociației
și să spunem, ei bine, ce explicații
se întâmplă de fapt aici?
Și am identificat,
din 2000 sau 2001,
puțin peste 600 de asocieri
între variante comune
și boală.
Și sunt mult mai
multe decât asta acum.  Au
fost 166 care au fost
studiate de cel puțin trei ori,
așa că ajungem să înțelegem
reproductibilitatea lor.
Și primul lucru pe care l-am
observat, dintre cele 166, doar 6
erau de fapt
reproductibile în mod constant.
Deci doar 6 au fost văzute
3/4 din timp.
Deci ai putea spune, ei bine,
asta este pur și simplu groaznic.
Aproape toate asociațiile
nu sunt cu adevărat reproductibile.
Sau ai putea spune, ei
bine, de fapt,
ai testat doar 166 de lucruri.
Ai găsit 6 adevărate.
Asta e destul de bine.
Există 10 milioane de
lucruri de testat acolo.
Deci acestea sunt cele 6.
Și una dintre ele este această paradigmă
pe care v-am arătat-o, APOE4.
Apoi sunt lucruri precum
CCR5-delta32, CTLA-4.
Interesant, aceasta este
varianta aia missense
despre care v-am spus
că de fapt acum
ar trebui corectată
la 3 prime UTR.
Deci, deși nu
aveau varianta potrivită,
era totuși destul de
reproductibilă.
Factorul V în tromboza venoasă profundă
și
alții.
Și există mai multe pe această
listă acum, deși nu multe,
care sunt atât de
reproductibile în mod constant.
Deci ce zici de celelalte 160?
Sunt doar o
prostie totală, sau ce?
De ce sunt... de ce
nu sunt reproductibile?  Ei
bine, următorul lucru pe care l-am observat
a fost că dintre cele 160, 91 dintre ei
au fost de fapt văzuți de
mai multe ori, deci
nu doar de persoana
care le-a raportat,
ci și de altcineva.
Și asta a sugerat
că poate se întâmplă
ceva real
, dar
am vrut să privim asta
într-un mod mai formal.
Și pentru a face asta, practic, am
ales 25 din aceste 160 de
asociații pentru unele boli la care ne
păsam și altele
la întâmplare.
Și am scăpat de
prima persoană care a raportat-o.
Și am spus, dintre toți
ceilalți oameni
care au încercat să
o reproducă, cât de bine s-au descurcat?
Deci au fost 301 studii
pentru aceste 25 de asociații.
Și dacă toate aceste 25 de
asocieri ar fi incorecte,
ne-am aștepta ca
studiile ulterioare,
teoretic sau naiv,
să fi --
5% dintre ele ar fi, din nou, să
fie semnificative statistic
cu o valoare p de 0,05.
1% ar fi trebuit să aibă o valoare p
de 0,01, etc., etc.
Deci ce am văzut?
De fapt, am descoperit că
aproximativ o cincime dintre ei
aveau valori P mai mici de 0,05.
Deci, acesta este mult mai mult
decât v-ați aștepta.
Acest lucru nu este doar întâmplător.
Și încurajator, majoritatea
asociațiilor
au fost în aceeași direcție.
Deci a fost aceeași alele care a
fost asociată cu boala
ca și în raportul original.
Deci, de fapt, asta s-ar
întâmpla nu de 1 din 20 de ori,
ci de 1 din 40 de ori.
Și, în plus,
nu a fost că fiecare dintre cele 25 a
avut câteva replicări.  A
fost că a existat o
subfracție a acestora care a
avut o mulțime de replicări,
iar apoi restul
nu au mai fost văzute niciodată.
Deci, ați putea spune, ar putea
fi aceasta părtinire de publicare?
Deci, evident, am putut să ne
uităm doar la rapoartele
care au fost publicate.
Așa că s-ar putea să
fie mulți
oameni care făceau aceste
studii
și când au obținut o
valoare P mai mică de 0,05, au
spart
șampania, au sărbătorit
și au trimis jurnalul - au trimis
raportul la jurnal.
Dar poate dacă au făcut-o și
valoarea p nu era peste 0,05,
a zăbovit în sertarul biroului.
Și acesta este de fapt
numele oficial pentru chestia asta.
Este fenomenul sertarului biroului.
Și așadar, ceea ce am întrebat
a fost, ar putea
exista un univers de
studii nepublicate care să zăbovească
în sertarele birourilor din întreaga
lume, care să
explice de ce am văzut
atât de multe dintre aceste studii?
Câte
studii nepublicate ar trebui să facem
ipoteza
pe asociere
pentru a explica
fracția pe care am văzut-o?  A
fost unul, două sau trei, sau a fost
doar un număr ridicol
de studii?
Și s-a dovedit,
de fapt, că ar
trebui să postulezi un
număr ridicol de studii
pentru a explica aspectele pozitive pe care le-am văzut.
Ar trebui să
explicați, eventual,
aproximativ 40 până la 80 de
studii negative nepublicate care zăbovesc
în sertarele biroului din
întreaga lume.
Și pur și simplu nu sunt chiar atât de
mulți oameni care
fac studii de asociere
pentru oricare dintre aceste boli.
Așa că credem că aceasta este... și am
făcut și alte lucrări pentru a arăta că
nu este o părtinire de publicare.
Deci ai întrebat despre
stratificarea amestecurilor etnice.
Așa că vreau să vorbesc
puțin despre asta.
PUBLIC: Am o întrebare.
JOEL HIRSCHHORN: Da, sigur.
Mergi drept înainte.
Da.
PUBLIC: [INAUDIBIL]
o boală rară.
JOEL HIRSCHHORN: Da.
Da.
Deci da, nu este
o boală comună.
Ai dreptate.
Deci este o
boală foarte ecologică.
Deci, ceea ce este de fapt,
este probabil o boală comună,
dar doar
expunerea la mediu necesară
este rară.
Deci, este ca și
de fapt, un altul
a fost HIV, care, din păcate,
nu este o boală rară acum,
deoarece
expunerea la mediu este atât de comună.
Dar vă puteți imagina, dacă
lumea ar fi un loc diferit,
ar fi o boală rară
și același gen de lucruri.
Și poate fi același
lucru cu diabetul.
Diabetul de tip 2 poate fi
o boală comună, în parte din
cauza
expunerii la mediu.
Publicul: Așa cum am spus,
nu sunt sigur cum pot...
cum poți obține cum arăți...

JOEL HIRSCHHORN: Da, așa că se
dovedește că este de fapt
un factor de risc uriaș.
Este un factor de risc genetic uriaș.
Există un
articol interesant în Science care
analizează această variantă,
care arată că au
existat valuri de selecție
în favoarea
variantei de rezistență în triburile în care
bolile prionice sunt endemice.
PUBLIC: Este doar o
secvență destul de comună.
JOEL HIRSCHHORN: Da.
Este destul de comun și se
dovedește că este un efect mare.  Așa
obțineți
putere, astfel încât, chiar dacă --
și sunt destui sporadici --
oamenii colectează câteva
sute de
cazuri sporadice ici și colo.
Și este doar un
efect mare, și de
aceea au putut să-l vadă.
Deci chiar și bolile rare
pot avea variante comune
care contribuie la ele.
Deci amestec etnic.
Ce este asta?
Deci acesta este un
studiu epidemiologic ideal.
Deci, atunci când oamenii colectează
cazuri și controale,
ei vor întreba adesea
despre etnie.
Și au ceea ce se numește
etnie auto-descrisă.
Și lucrul ideal este
că ai... în mod clar,
toată lumea se potrivește cu
ceea ce oamenii pun jos.
Dar oamenii se vor
autodescrierea diferit.
Și s-ar putea să nu existe o
auto-descriere exactă
pentru care
sunt mediile etnice și genetice reale ale oamenilor.
Așa că speri că cumva
această etnie auto-descrisă
este suficient de bună pentru a
avea de fapt o potrivire bună.
Dar vă puteți imagina că
într-un anumit grup etnic,
ar putea exista
câteva subgrupuri.
Și acestea sunt, evident,
distincțiile.
Am desenat asta deoarece
există subgrupul albastru
și subgrupul verde.
Dar, în realitate, ar fi
probabil unele umbriri
de la albastru la albastru-verde
la verde-albastru la verde.
Așa că vă puteți imagina
că ar putea
exista niște
subgrupuri etnice diferite.
Și te-ai putea gândi
la asta, de exemplu.
European ar putea fi nord-
european și sud-european
sau ceva de genul ăsta.
Și ar putea exista boli în
care boala este de fapt
mai răspândită, să
spunem, în nordul Europei.
Deci, s-ar putea să aveți
mai multe cazuri din ascendența
nord-europeană
și mai multe controale
decât ascendența sud-europeană.
Și, de exemplu, diabetul de tip 1 s-
ar putea încadra în acest model.
Mult mai frecvent în Finlanda
decât în ​​sudul Franței,
de exemplu.
Deci, dacă ați avea un marker
care a fost urmărit genetic
cu ascendenții nord-europeni,
dar nu
cu
ascendenții sud-europeni --
și nu există
mulți markeri de genul ăsta,
dar există cel puțin
unul despre care știu --
atunci s-ar putea să găsiți  că acel
marker ar fi suprareprezentat
în cazurile referitoare
la controale
doar pentru că acel
grup etnic a fost suprareprezentat.
Și se crede că aceasta
este mai mult o problemă
și în cazul populațiilor
care au avut
amestecuri recente, cum ar fi
populațiile afro-americane
sau populațiile latino, unde,
în loc să fie nord-
european/sud-european, acesta
ar putea fi un grad de ascendență,
deci ce fracție
din  cromozomii tăi
au alele care sunt mai
frecvente în Europa față de alele
care sunt mai frecvente în Africa.
Și puteți ajunge
cu aceeași configurație.
Deci, puteți obține, în teorie,
asocieri fals pozitive
din asta.
Deci există modalități de ocolire acum.
Așadar, primul mod care a fost
propus de Rich Spielman
și apoi de o mulțime de
alți oameni este să folosească ceea ce se
numește teste de familie bazate pe teste -
teste de asociere bazate pe familie
.
Și nu am de gând să trec prin
detaliile celor mai puțin
decât să vă spun că
sunt imuni la această problemă.
Și celălalt mod
este, practic,
dacă faci... dacă nu poți
face testul bazat pe familie
și există o mulțime de motive pentru care s-
ar putea să nu poți,
poți folosi ceva numit
control genomic, unde  tastați
o mulțime de marcatoare aleatorii
și vedeți, ei bine,
acei markeri aleatorii
vă oferă aceste asocieri false?
Și le puteți folosi pentru a
corecta rezultatele asocierii
sau chiar pentru a vă reapare cazurile
și controalele pentru a vă asigura
că sunt genetice -
indiferent de
etnia auto-descrisă,
le puteți potrivi după
fondul lor genetic,
așa cum este evaluat de
acești 100 de markeri.  .
Așa că ne-am uitat de fapt -- cel
puțin pentru micul nostru studiu,
majoritatea lucrurilor
care s-au replicat
sunt de fapt văzute în
studii bazate pe familie
sau în mai multe
grupuri etnice, ceea ce
face ca amestecul să fie mai puțin probabil.
Dar nu înseamnă că acest lucru
nu se întâmplă într-un mod rampant.
Și, de exemplu, cele
care nu au fost niciodată replicate,
ar putea fi că unele
dintre acele pozitive false
se datorează amestecului.
Apoi sunt adevărate
diferențe de populație
care ar putea intra în joc.
Sunt o mulțime de
lucruri diferite.  Ar
putea fi diferite diete
în diferite populații.  S-
ar putea să existe și
alte gene care
sunt mai frecvente într-o
populație decât în ​​alta
și există o anumită
interacțiune între ceea ce
privești și asta.
Și vreau să vorbesc despre
un tip foarte specific
de diferență pe care cel
puțin l-am putea aborda, și anume
că ar putea
exista diferite modele
de corelație în
diferite populații.
Și markerul care este folosit
ar putea să nu fie markerul cauzal.  Ar
putea fi ceva
care este corelat.
Așa că v-am arătat
această diagramă, unde
puteți utiliza acest haplotip CA --
dacă vă uitați la acest
haplotip cu doi markeri,
utilizați acest haplotip CA
pentru a încerca să preziceți
dacă
polimorfismul cauzal există.
Și se descurcă destul de
bine pentru că
nu a existat prea mult din acest
haplotip recombinant aici.
Deci aici, de fapt,
predicția...
Nu am desenat săgețile.
Dar predicția
nu ar fi de fapt
potrivită pentru acest
singur cromozom.
Dar de cele mai multe ori,
corelația este destul de bună.
Dar dacă ar exista o mulțime
din acel cromozom recombinant
într-o altă populație?
Acum, dintr-o dată,
aveți un haplotip CA comun
fără SNP cauzal.
Și așa că, pe lângă faptul că este...
corelația
nu mai este acum atât de bună,
așa că s-ar putea să nu
vezi o asociere.
Deci, acesta este cel puțin un
lucru posibil de reținut
este că markerul la
care vă uitați
ar putea să nu fie cauzal
, așa că în principiu
înțelegeți modelele LD
din jurul unei asocieri.
Deci, odată ce o asociere a
fost găsită,
tastând o mulțime de alți
markeri acolo și văzând,
există un alt marker
care o explică mai bine
va deveni important
și aproape nimeni nu
face asta chiar acum.
Și apoi, în cele din urmă, ultimul
lucru la care ne-am uitat
a fost, s-ar putea să fie că unele dintre
asocierile pe care le-am
văzut în meta-
analiza noastră sunt de fapt adevărate,
dar studiile care spuneau
că nu există nicio asociere
au fost de fapt incorecte?
Și, așadar, pentru a încerca să înțelegem
acest lucru, ceea ce necesită
este ca
dimensiunile eșantionului să fie prea
mici pentru a detecta
asocierea, ceea ce
înseamnă, la rândul său, că
asocierea trebuie să
fi fost o asociere slabă
sau un efect modest.
Așa că am estimat efectele
pentru toate aceste asociații
și prin punerea în comun a tuturor datelor.
Și astfel opt dintre ele s-au replicat.
Și întrebarea a fost,
care a fost dimensiunea efectului?
Și practic toate cele opt
au crescut riscul de îmbolnăvire
cu mai puțin de două ori.
Iar unele dintre ele au reprezentat
doar un risc crescut
de boală cu 10% asociat
cu alela.
Și pentru 10%, de exemplu,
aveți nevoie de mii
de cazuri și controale.
Și aproape niciunul dintre
studiile pe care le-am analizat nu avea așa ceva.
Așa că aproape toate studiile au fost
insuficiente pentru aproape toate
asociațiile pe care le-am
analizat.
Deci lipsa de putere este
răspândită în acest domeniu.
Și un studiu negativ
în sine, cu excepția cazului în care
are multe mii
de oameni, într-adevăr
nu poate fi considerat ca valorând
mult decât de la sine.
Poate merita mult în
contextul altor studii.
Un ultim lucru pe care vreau să-l
explic din nou,
deoarece este o problemă importantă când ne
gândim la interpretarea
literaturii de specialitate, când am
făcut această estimare a
efectului genetic real
și apoi am comparat aceste riscuri mai puțin de
două ori cu ceea ce a fost
raportat în primul rând.  susținuse,
aproape întotdeauna, că
primul raport pozitiv
supraestimase
efectul genetic real.
Și am vrut să știm dacă este în
concordanță cu un fenomen
numit blestemul câștigătorului.
Deci blestemul câștigătorului este cel mai bine
descris pentru teoria licitațiilor
și merge așa.
Imaginați-vă că
există o grămadă de oameni
care licitează pentru un articol.
Și toate au o estimare exactă...
Îmi pare rău, da, o
estimare imparțială
a valorii acelui articol.
Dar nu este atât de precis.
Așadar, oamenii sunt la fel de probabil
să-i supraestimeze valoarea,
precum să o subestimeze.
Și toți fac oferte.
Și,
prin urmare, aceste oferte imparțiale vor...
și să presupunem că licitează ceea ce
cred ei că valorează de fapt articolul
.
Aceste sume licitate imparțiale
vor fluctua în jurul
valorii reale.
Și apoi unul dintre aceștia va
fi fluctuat cel mai mult
și aceasta va fi
oferta câștigătoare.
Deci oferta câștigătoare, condiționată de faptul că
aceasta este oferta câștigătoare,
aproape întotdeauna va fi
supraestimat valoarea.
Și cea mai bună descriere a
acestui lucru este un articol Samuelson
numit „Am câștigat licitația,
dar nu vreau premiul”.
Așa că ai grijă pe eBay.
Dar, în studiile de asociere,
practic, oferta câștigătoare
este echivalentă cu
prima persoană care
obține un rezultat suficient de interesant
încât să îl poată publica
rapid și într-un
jurnal proeminent și așa ceva.
Și, cu condiția ca aceștia să fi
găsit ceva interesant,
este probabil să fi
supraestimat adevărata valoare.
Și adevărata valoare ar putea fi
fie un efect slab, un efect mai slab
, fie chiar
niciun efect.
Și doar timpul poate spune.
Și așa am constatat că a
fost consecvent -
că gradul în
care au supraestimat
a fost în general în concordanță cu
fenomenul de blestem al câștigătorului.
Deci, acestea sunt
mesajele luate acasă
pentru citirea
literaturii de studiu a asociației.
Deci, dacă ridici
o hârtie și scrie
că ceva este
asociat cu o boală,
există posibilitatea
ca aceasta să fie adevărată.
Dar aș
spune că este cu mult sub 50%.
Nici nu este 0%, dar
este cu mult sub 50%.
Efectele genetice
pentru asociații
sunt probabil să fie destul de modeste.
Deci, dacă cineva
pretinde un efect de cinci ori
și intervalele de încredere ale acestora
merg de la 1,1 la 40,
probabil că este mai aproape
de 1,1, dacă nu de 1.
Și apoi, din cauza
acestor efecte modeste,
aveți nevoie de site-uri mari de studiu
pentru a le detecta în mod fiabil
și, de asemenea, pentru a le restrânge.
intervalele de încredere în jos.
Acum, vă voi da doar un
exemplu, exemplul nostru preferat,
pentru asocierea unui
polimorfism missens,
sau credem că acesta este
polimorfismul cauzal.
În diabetul de tip 2,
există o genă
numită PPAR, care este importantă
pentru diferențierea celulelor adipoase
și este un
receptor hormonal nuclear.
Probabil leagă acizii grași.
Deci primul studiu care a fost
publicat este chiar aici.
Deci fiecare linie este un studiu.
Punctul este estimarea punctuală
a efectului asupra diabetului.
Și de fapt, în
acest caz, orice
din stânga acestei linii este
o asociere cu diabetul.
Iar linia din jurul punctului
reprezintă
intervalul de încredere din jurul acelei estimări.
Deci, de exemplu,
acest studiu de aici,
deși arată că
tendința de asociere a fost
considerată negativă,
deoarece această linie se încrucișează,
încrederea de 95%
va trece ca 1.
Deci, acesta este primul
studiu pe care îl
puteți vedea câștigătorul
blestemul în acțiune aici.
Supraestimările este cea
mai puternică estimare a riscului.
Și a fost urmat,
cred, de aceste trei
și de o grămadă de alte
studii, toate
considerate negative,
deoarece intervalele lor de încredere de 95%
au depășit 1.
Apoi am făcut un studiu destul de mare
în care am arătat o asociere.
De fapt, am subliniat că
toată literatura de până acum
a fost în concordanță cu o
asociere undeva
în acest interval.
Mult mai slab decât a fost
descris inițial,
dar suficient de modest încât aceste
studii nu au avut puterea
de a-l detecta.
Și, de fapt, pe măsură ce obțineți
eșantioane din ce în ce mai mari, ceea ce
puteți vedea este că
intervalele de încredere--
este că lucrurile tind
să se concentreze cu adevărat.
Și puneți toate
datele împreună,
obțineți un
interval de încredere destul de îngust.
Și acum, valoarea p
pentru asociere
este de la 10 la minus 9.
Deci este real, dar a fost nevoie de
20.000 de alele
de la persoanele cu diabet
și martori pentru a ajunge acolo.
PUBLIC: Sunt toate studiile
în același [INAUDIBIL]..
Le poți pune pe toate
împreună și să faci totalul?
JOEL HIRSCHHORN:
Deci, pentru diabet,
definiția
diabetului este destul de clară.
Există un consens OMS.
Și sunt mai mult sau mai puțin
aceeași definiție.
Aș spune destul de aproape.
Alela în sine este în mod
clar aceeași variantă.
Și presupunând că calitatea
genotipării a fost bună,
probabil că se uitau
la același lucru acolo.
Evident,
populațiile sunt diferite.
Așa că am vorbit despre
diferențele populației.
Așadar, se dovedește, de asemenea, unul dintre cele
mai bune exemple de eterogenitate
între populații este
pentru acest polimorfism,
nu atât în ​​diabet,
deși nu a
fost cu adevărat privit bine,
ci de fapt, obezitatea.
Deci, acest lucru a fost
analizat mult pentru obezitate
și rezultate extrem de divergente.
Se dovedește că câți
acizi grași trans mănânci,
sau acizi grași saturați până la
acizi grași nesaturați,
afectează dacă acest
polimorfism are
efect asupra obezității.
Nu-mi amintesc
acum în ce direcție merge.
Practic, la o singură dietă,
care este mult mai
comună în țările occidentale,
cred că nu există niciun efect.
Iar pe o altă dietă,
care este mult mai
frecventă în țările asiatice,
există un efect asupra obezității.
Așa că vă puteți imagina că acolo -
și de fapt, dacă vă uitați,
se dovedește că acești trei
sunt toți în populații asiatice.
Deci s-ar putea să existe o
anumită eterogenitate
acolo, deși este
statistic marginal
semnificativ dacă
vreunul dintre aceste studii
este diferit de
oricare dintre celelalte.
Deci, acestea sunt în cea mai mare parte
în concordanță cu dacă ați
luat săgeți și le-ați aruncat pe
toate la aceeași cotă,
ați putea ajunge
la puncte care
arăta mai mult sau mai puțin așa.
Deci, dar s-ar putea foarte bine să existe
diferențe.
Pentru lucruri ca-- pentru mai puțin
bine-- deci pentru
boala Alzheimer, uneori există puțină
mai multă dezbatere
dacă este
confirmată de patologie sau nu
și așa ceva.
Deci în regulă.
Deci ce să crezi
este întrebarea.
Deci ar trebui să crezi?
Aș spune că
scepticismul inițial este justificat.
Replicarea, în special
cu valori p scăzute --
și poate putem discuta despre ce
înseamnă asta -- este încurajatoare.
Dimensiunile mari ale eșantioanelor sunt cruciale.
Deci, dacă ai de gând să iei
ceva acasă, gata.
Așa că vreau să vorbesc rapid -- deci aceasta
este o clasă orientată cantitativ --
despre aplicarea teoremei lui Bayes
la interpretarea
studiilor de asociere.
Deci teorema lui Bayes este una
dintre teoremele fundamentale
ale probabilității.
Și în acest caz,
ceea ce am făcut este că am
înlocuit
în cuvintele cauzal
cu probabilitatea de a
observa asociere.
Și cauzal este probabilitatea
ca varianta la care te
uiți să fie de fapt cauzală.
Deci, dacă treceți prin
simpla conectare
la teorema lui Bayes,
aceasta este ceea ce obțineți.
Și ceea ce te
interesează este, practic,
având în vedere că am văzut
o asociere, care este
probabilitatea ca aceasta să fie adevărată?
Asta vrei să știi
când ridici hârtia.
Deci asta are de-a face
cu trei termeni.
Una este probabilitatea ca
ceva să fie asociat,
dat fiind că a fost cauzal.
Deci asta este
puterea studiului.
Deci ați vedea o
asociere dacă ar fi cauzală?
Aș fi văzut
aceste date de asociere
dacă nu ar fi fost cauzale?  Ei
bine, aceasta este valoarea p,
probabilitatea de a observa
datele întâmplător.
Și apoi probabilitatea ca
este cauzal pentru început,
care este probabilitatea ta anterioară.
Deci, aceasta este cheia
teoremei lui Bayes, care
este că trebuie să specificați
prioritățile, ceea ce este, desigur,
întotdeauna partea cea mai grea.
Este foarte ușor să scrieți
teorema lui Bayes,
dar apoi să specificați
distribuția anterioară
poate fi uneori destul de dificilă.  În
regulă.
Așa că
vă voi prezenta cum
cred că arată distribuțiile anterioare

în câteva
ordine de mărime.
Deci care sunt
probabilitățile anterioare?
Așa că voi spune că
există aproximativ 600.000 de variante
comune independente
și
are de-a face cu gradul
de redundanță care a
fost determinat de
harta hap și chestii de genul ăsta.
Sunt 10 milioane în total.
Unele dintre ele nu sunt
atât de obișnuite, așa că o să
le bag
puțin sub covor.
Și din restul, există
suficientă corelație
încât am să spun că există
aproximativ 600.000 de variante pe care le
poți tasta.
Cealaltă presupunere este
că cel puțin câteva dintre acestea
vor fi cauzale.
Deci presupun că
variantele comune
joacă un rol în boală.
Așa că o să spun
undeva între 6 și 60.
Poate fi mai mult, dar aș
spune cauzal într-o măsură în care
aveți orice
putere de a le detecta,
deoarece evident,
dacă nu au puterea
de a le detecta, s-
ar putea  De asemenea, nu
există din punctul de
vedere al acestui studiu
pentru că dacă
conectați 0 pentru puterea dvs.,
atunci totul
începe să se anuleze.
Deci probabilitatea ta anterioară
este de la 1 la 10.000 la 1
la 100.000 mai mult sau mai puțin.
Ce zici de genele candidate?  Să
zicem, ei bine,
eu nu studiez...
tu spui că această lucrare
nu studiază
vreo variantă împuțită aleatorie.
Aceasta este cea mai mare
genă candidată din întreaga lume.  Ei
bine, așa că am trecut prin
exercițiul de a scrie
toate genele candidate despre care
credem că sunt gene candidate grozave
pentru boli.
Și de obicei vii
cu undeva între, să zicem,
100 și 500 de gene, așa că să
zicem 300 cu care ai venit.
Și aș spune
că ai putea spune
o
poveste la fel de frumoasă despre aproape toate cele 300
de gene, odată ce
știi post-hoc că
există o asociere.
Deci poți spune, oh, desigur.  De
aceea, protein kinaza C
theta este cheia diabetului.
Și tu scrii povestea ta.
Așa că voi
spune că există
300 de gene candidate, toate la fel de

probabil să fie asociate.
Din nou, folosind unele
lucruri despre
există aproximativ trei sau patru blocuri
de dezechilibru de legătură
per genă, aproximativ trei sau
patru haplotipuri per genă.  Am să
spun că există
aproximativ 12 variante independente
per genă.
Deci există aproximativ 3.600 de
variante candidate
pe lista ta de 300 de gene pe
care tocmai le-ai creat.
Să presupunem... și asta
cred că este oarecum generos,
dar să presupunem că toată acea
biologie care a intrat în a face
această listă merită și că
jumătate din toate variantele cauzale
sunt în genele candidate.  Ei
bine, atunci dacă faci
toată înmulțirea,
probabilitatea anterioară
este de aproximativ 10 ori mai mare
pentru o genă candidată ca și
pentru o genă aleatorie, de la 1 la
100 la 1 la 1.000.
Și atunci care sunt
probabilitățile pe care le-ați sugerat
să căutați sub un vârf de legătură?  Să
mergem să facem toate genele
sub un vârf de legătură.  Ei
bine, care sunt
probabilitățile anterioare acolo?  Ei
bine, să spunem că
nu 200 de gene.  Să
presupunem că există doar 100 de
gene sub un vârf de legătură.
Din nou, aceleași 12
variante per genă.
Dar de data aceasta,
există doar una -
presupunerea este că există
o singură genă sau o variantă care se află
sub acel vârf de legătură
care contribuie de fapt.
Deci, din nou,
probabilitatea anterioară se dovedește
a fi aproximativ aceeași cu o
genă candidată, 1 din 1.000.
Așa că aș spune că
probabil că, în acest moment, ar trebui
să fii agnostic
dacă îți concentrezi
tot efortul
sub un vârf de legătură
sau pe o listă de
gene candidate pe care le-ai
găsit prin biologie.
Deci, să presupunem că
acum vă faceți studiul
și obțineți o
valoare p magică de 0,05.
Care este probabilitatea ca a
existat o asociere
corectă?
Deci, cea mai mare
genă candidată din lume.
Deci asta este de fapt...
Îți voi oferi de 10 ori
mai multe șanse ca asta
să fie corect decât
gena ta candidată tipică.
Probabilitate anterioară de 0,01.
Valoarea p, 0,05.
Probabilitate posterior.
Acest lucru presupune
și puterea perfectă
de a vă detecta
asocierea, ceea ce înseamnă că
ați făcut acest lucru într-un studiu amplu.
Dacă o faci într-un
studiu mic, acest număr
scade pentru că acest
lucru crește cu putere.
Deci posterior
probabil, șansa
să ai dreptate, aproximativ 15%.
Deci, poate e puțin
descurajant.
Ce zici de o
genă candidată tipică?
Acesta este
studiul tipic de asociere care se face.
Există aproximativ 1% șansă
ca o valoare p de 0,05 să
reprezinte o asociere adevărată.
Candidat sau
vârf de legătură, deci Calpain-10,
1% șansă cu o
valoare p de 0,05.
Acum, valoarea lor p era
mai mică, dar totuși, aceasta
nu este cu mult mai mică.
Genă aleatorie în genom.
Practic, garantat că este
greșit cu o valoare p de 0,05.
Deci, ce fel de
valori p aveți nevoie
pentru a avea de fapt o
problemă posterior destul de bună?
Pentru că, din nou, aceasta
presupune o putere bună.
Deci, practic, ceea ce aveți
nevoie sunt valorile p care
sunt undeva în intervalul
de la 10 la minus 4 la 10
la minus 6.
Și acesta ar putea fi un singur studiu
sau toate studiile la un loc.
Deci, practic, majoritatea
asociațiilor de raportare
sunt probabil incorecte,
dar nu toate.
Unele se vor dovedi
a fi corecte.
Și aș spune că dacă
aveți valori p scăzute replicate
sau există un motiv cu adevărat, foarte, foarte
, foarte bun
pentru plauzibilitate, atunci asta
face mult mai probabil
să fie corect.
Și apoi tocmai în acest ultim punct,
genele aflate sub vârfurile de legătură
sunt aproximativ la fel ca orice
alt tip de candidat.
Evident, dacă aveți
un candidat care se află
într-o cale bună și se află
sub un vârf de legătură,
probabil crește
probabilitatea anterioară.
Oh scuze.
PUBLIC: [INAUDIBIL]
nu te uiți doar
la starea în care [INAUDIBIL]
SNP-uri independente sunt prezente,
contribuind la [INAUDIBIL].
JOEL HIRSCHHORN: Da.
Așa că nu am vorbit deloc... Am
făcut doar aluzie pe scurt la
interacțiunea mediului genetic
cu PPARgamma
și chestia cu dieta.
Și nu am vorbit deloc
despre interacțiunea genă-genă.
Deci, există o dezbatere fierbinte
în domeniu, aș spune,
despre dacă ar trebui să se caute
interacțiunea genă-genă
fără nicio dovadă că
oricare dintre gene este implicată,
ceea ce implică, practic, realizarea
tuturor perechilor cel puțin,
dacă nu în trei căi sau
combinații în patru sau n căi.
Și provocarea pentru
asta devine evidentă
când spui că
există de fapt
600.000 de
variante independente în genom.
Deci, chiar dacă
faci doar perechi,
asta înseamnă de 6 ori 10 la al cincilea.
Așadar, ajunge să fie de 3,6
ori 10 a 11-a variante--
scuze, combinații pe perechi pe
care trebuie să le cauți.
Și așa știți
că veți obține de fapt
o valoare p de 10 la
minus 11 pentru interacțiune
la un moment dat doar pentru că

atâtea perechi ați testat.
De fapt, puteți
obține 3,6 dintre ele.
Deci, devine din
nou o problemă de putere,
în sensul că pentru a corecta toate
ipotezele diferite pe care le-ați
testa, aveți
nevoie de o dimensiune enormă a eșantionului
sau trebuie să sperați că
efectul de interacțiune este
atât de enorm încât obțineți de fapt
o valoare p.  care supraviețuiește
acelei corecții pentru testarea de
ipoteze multiple
, ceea ce
ar putea fi cazul.
Dar atunci întrebarea este,
dacă acea interacțiune este
atât de enormă, trebuie să desenați
modele foarte ciudate pe care să
nu le înțelegeți și pe cel puțin
unul dintre cele două ca fiind cauzal.
Acum, ceea ce ar trebui făcut,
dar nu este, este că odată ce
ai ceva în care
crezi cu adevărat,
deci, de exemplu, lucrăm
în domeniul diabetului
și credem cu adevărat că
oamenii sunt gama Pro12Ala.
Dar, totuși,
încă nu - și ar trebui --
testăm interacțiunile în perechi
pentru fiecare lucru pe care îl
genotipăm în
Pro12Ala, deoarece
puteți desena o mulțime de
modele rezonabile
în care ați detecta doar
unul dintre cele două lucruri
care interacționează.
Iar celălalt ar
fi complet mascat
sau în mare măsură mascat.
Deci nu facem
asta și ar trebui.
Și, dar aș spune
că dacă... din
nou, dacă
ridicați o hârtie care
spune că nu am văzut nimic cu
nici una dintre aceste variante,
dar apoi am făcut
testul pe perechi și vedem o interacțiune,
Gândește-te la
probabilitatea ta anterioară
ca acel test în perechi să
fi fost de fapt asociat.
Numărul de perechi din
genom față de numărul care
vor fi de fapt
cauzal, probabilitățile tale anterioare
sunt probabil cu câteva
ordine de mărime mai mici.
Deci, dacă nu există, din nou,
un motiv foarte bun să
știm că aceste
variante genetice interacționează.
Deci, acesta este răspunsul meu incredibil de
părtinitor la acea întrebare
sau nu părtinitor, dar cu opinie
.
Nu voi explica de ce primești
același tip de blestem al câștigătorului
și lucruri de genul ăsta în legătură.
Dar doar pentru a vă duce prin studii de
asociere de variante rare
, din nou, în cazul în care
veți ridica literatură despre asta.
Deci, acesta este
studiul tipic de asociere a variantelor rare,
așa cum este practicat în 2004.
Genele sunt resecvențiate
la indivizii afectați
pentru a încerca să găsească, să zicem,
variante greșite.
Și apoi acele variante greșite
sunt apoi luate și introduse
în indivizi neafectați.
Deci este secvențierea
aici, genotiparea aici.
Și ceea ce se observă adesea
este că nu sunt acolo.
Așa că vă voi ghida printr-
un posibil
studiu de asociere de resecvențiere.
Haideți să re-secvenționăm
gena dvs. preferată, gena
X. 200 de indivizi diabetici
și, iată,
găsiți de fapt 10
variante rare de greșeală,
fiecare văzută la o
persoană cu diabet.
Tastați apoi 200 de
indivizi sănătoși.
Acele variante
nu se văd deloc.
Deci, ați concluzionat că
variantele rare
din gena X provoacă diabet.
Așa că acum o să vă conduc
printr-un
studiu de resecvențiere la fel de posibil.
Gena X resecvențializată
la 200 de fani Red Sox.
Veți identifica --
dacă aceasta este o genă care
se întâmplă să tolereze
variații rare,
veți identifica 10
variante rare.  S-
ar putea să găsești
câteva variante comune,
dar s-ar putea să nu.
Multe gene nu au
variante comune missense.
Dacă apoi luați acele 10
variante missense și le introduceți
în alte 200 de persoane,
spun fanii Yankees,
nu veți vedea acele variante.
Deci acest lucru este foarte plauzibil.
Și veți concluziona că
variantele rare din gena X
vă fac să rădăcini pentru Red
Sox, ceea ce, desigur, nu este
răspunsul corect.
Iar motivul pentru aceasta
are de-a face cu faptul
că în identificarea
acestor variante rare,
trebuie să mergi la o
profunzime foarte mare
în a face resecvențierea.
Deci obțineți variante comune dacă
secvențați doi cromozomi.
Așa că asta v-am arătat chiar
la începutul discuției.
Deci dacă doar compari
doi cromozomi
și apoi te uiți, sunt
acele variante comune
în restul
populației, răspunsul
este aproape întotdeauna da.
Și frecvența medie al alelelor
este de aproximativ 1 din 5.
Deci media este de 20%
pentru alela minoră
și 80% pentru cealaltă alele.
Dar dacă apoi ordonezi
un grup mare de oameni,
evident că găsești toate
aceste variante comune.
Le găsești în primii
patru cromozomi pe care îi faci.
Practic, parcurgeți
toate variantele comune.
Dar, de fapt,
continui să găsești variante pe măsură ce
mergi din când în
când, iar asta
are de-a face cu
genetica populației
și care
sunt distribuțiile de frecvență
și chestii de genul ăsta.
Dar majoritatea
variantelor pe care le găsești,
dacă faci deep resequencing, ajung
să fie aceste variante rare.
Ele nu reprezintă cea
mai mare parte a heterozigozității,
deoarece sunt atât de rare.
Și de fapt,
frecvența lor medie
este de aproximativ 1 din 10.000.
Deci, dacă
le tastezi în 200 de persoane,
nu vei mai
vedea niciodată niciuna dintre ele.
Deci, ceea ce trebuie
făcut este, practic,
trebuie să resecvențați
și controalele.
Există și alte
moduri de a face asta.
De exemplu, dacă
aveți familii,
puteți vedea că
variantele rare se segregă de fapt
cu boala.
Este un fel de echivalent
cu controlul resecvențierii.
Deci, asta este o cale de ocolire.
Dar practic asta
trebuie să faci.
Și, în plus,
ceea ce am spus acolo
în acel slide anterior
a fost că ați identificat
10 variante missense.  Ei
bine, ce se întâmplă dacă ai identificat
11, dar unul dintre ei era comun?
Și ați spus, ei bine,
acesta este unul obișnuit
și este prezent în
cazuri și controale,
deci probabil că
nu este funcțional.
Probabil că... și mă voi
concentra doar pe cele care
sunt prezente doar în cazuri.
Ei bine, asta înseamnă că, evident,
rezultatele sunt manipulate în prealabil.
Deci, dacă te limitezi
doar la acele variante care
sunt prezente în cazuri și spui că
acestea sunt singurele care
contează, evident că
vor fi prezente doar în cazuri.
Așadar, trebuie să aveți o modalitate
de a grupa aceste variante rare
pentru analiză înainte de a cunoaște
rezultatele
studiului de asociere, care sunt în cazuri
și care sunt în controale,
așa că ceva de genul fie mă voi
uita doar la schimbările de cadre
sau la prostii.  mutații,
sau mă voi
uita doar la lucruri care au această proprietate
funcțională in vitro
sau ceva de genul acesta.
Deci doar în ultimele
câteva minute...
sau sunt cu mult înainte.
PUBLIC: Șapte minute.
JOEL HIRSCHHORN: Oh, nu.
Nu cu mult înainte.
Bun.
12:30.
Bun.
Pentru un minut, am crezut că
mai am 37 de minute.  Am
spus că am
vorbit mai mult de atât.
BINE.
Deci ce am putea învăța?
Și cred că acest lucru este, de asemenea,
important să ne gândim
la care sunt obiectivele și
care sunt rezultatele probabile?
Există o mulțime de hype în jurul
întregului domeniu al genomicii
și al SNP-urilor și al
bolilor comune și doar pentru a
încerca să aruncăm o privire la
ceea ce este și ce nu este probabil.
Deci nu știu dacă a
văzut cineva filmul Gattaca.
Deci, Gattaca, cred că
oamenii chiar îl
au pe Gattaca în
spatele minții lor
când se gândesc la
asta, și anume că ar trebui
să putem spune prin
genotipizare, dacă am
putea secvența
genomul cuiva,
vom putea prezice...
dacă  te uiți la
scena de deschidere din acel film,
este ca, probabilitate de
boală coronariană, 98%.
Probabilitatea de accident vascular cerebral, 100%.
Așa ceva.
Deci știm deja că
variația genetică, de fapt,
chiar dacă am avea
informații perfecte,
explică doar 30% până la
50% din bolile comune.
Dar care este
probabilitatea ca să
obținem o predicție atât de bună?
Cred că probabil că nu este atât de
grozav, deoarece probabil că sunt
o mulțime de alele care vor
interacționa în moduri complexe
pe care s-ar putea să nu le
putem înțelege
pentru o perioadă foarte lungă de timp.
Dar, cu toate acestea,
există unii gânduri
că putem fi capabili să identificăm
persoanele cu risc crescut
sau, în special, persoanele
care ar putea fi cu risc scăzut.
Dacă acesta ar fi cazul -- și
am arătat aici probabil un
scenariu foarte optimist, și anume
că ați putea îmbogăți atât de mult
pentru persoanele cu risc ridicat --
ați putea spune că
acești oameni ar
primi o măsură preventivă de intervenție mai agresivă

,  iar acești oameni
ar putea primi standardul de îngrijire
sau chiar ar putea fi capabili să
obțină intervenții puțin mai puțin
agresive,
în funcție de modul în care
a evoluat raportul risc-beneficiu.
Acest lucru necesită evident că există măsuri
preventive eficiente
și lucruri de genul acesta.
Dar vă puteți imagina,
pentru lucruri precum diabetul,
ați putea spune că sunteți cu adevărat expuși unui
risc ridicat de a face diabet.
Chiar trebuie să faci
exerciții fizice și să slăbești,
și poate că
ar fi ceva-- ai
putea conecta acea persoană
cu un nutriționist și cu
antrenorul personal și
tot felul de chestii.
Și s-ar putea să nu fie ceva
pe care noi, ca societate, ne-
am putea permite pentru toată lumea, dar
poate cel puțin pentru oamenii
care prezintă cel mai mare
risc, ne-am putea permite
dacă am putea ajunge acolo.
Dar nu cred că
aici se
află neapărat adevărata promisiune.
Există o altă posibilitate.
Aceasta se numește
farmacogenomică, care
practic reclasificarea
indivizilor pentru a ghida terapiile.
Deci, aveți acest
amestec de oameni care
au o anumită boală,
cum ar fi diabetul de tip 2,
dar se dovedește că de fapt este
tipul 2A, 2B, 2C și 2D.
Și poate le-am putea clasifica
după secvența ADN sau
profilul de expresie sau vreo metodă genomică.
Și am putea spune, ei
bine, acești oameni se
vor descurca cel mai bine cu tratamentul
A, acești oameni cu B,
aceștia cu C și aceștia cu D.
Și din nou, asta se poate întâmpla sau nu și, cu
siguranță,
oamenii se uită la asta.  .
Și cred că se va
întâmpla parțial.
Vă voi da doar
un exemplu din viața reală
care de fapt nu este
încă în clinică,
dar nu știu sigur de ce nu.
Deci, există o genă numită CYP2C9,
care metabolizează de fapt
warfarina, care este folosită în mod obișnuit
pentru a trata afecțiunile implicate
cu tromboză
sau coagularea sângelui.
Acesta este un agent anti-coagulare
, de fapt, vitamina K.
Și asta nu...
Îmi pare rău.
Albul pe galben
nu este o schemă de culori bună.
Dar, practic, cea mai mare parte
a populației
are zero alele cu activitate scăzută.
20% din populație are
o alele cu activitate scăzută,
iar 5% din populație are
două alele cu activitate scăzută.
Și dacă te uiți la
doza medie la
care ajung oamenii în funcție
de genotipul lor,
deci această doză nu se
bazează pe genotipul lor.
Este ca și cum ar fi încercare
și eroare din partea medicului
și ei descoperă, oh,
dintr-o dată,
ai o sângerare nazală
care nu se va opri.
Poate că
doza de warfarină este prea mare
sau valoarea PT este prea mare.
Trebuie să reducem doza.
Vedeți că aici există o corelație foarte bună
dintre alele și doză,
astfel încât dacă aveți
două alele cu activitate scăzută
și vi se pune o
doză tipică de 5 miligrame,
veți avea
probleme cu sângerarea.
Și, de fapt,
vei avea un risc de șase ori mai mare
de
complicații grave.
Deci, personal, dacă aș
merge pe warfarină,
probabil aș dori să știu
care este genotipul meu CYP2C9.
Dar nu este încă o
practică standard.
Unul dintre singurele cazuri despre
care știu că
este, de fapt, dacă
ai cancer și
primești șase purine [INAUDIBILE]
sau medicamente înrudite,
există o genă numită TPMT,
care din nou metabolizează asta
într-un intermediar toxic.
Și asta a devenit acum
aproape standardul de îngrijire,
deoarece, din nou,
riscul de deces este mai mare
dacă aveți genotipul greșit.
Deci moartea atrage
atenția oamenilor destul de...
PUBLIC: Și asta e...
JOEL HIRSCHHORN: --viguros.
PUBLIC: Doza medie, nu?
Deci...
[VOCI INTERPUSE]
JOEL HIRSCHHORN: Da.
Deci există o gamă largă.
PUBLIC: --histogramă pe...
JOEL HIRSCHHORN: Oh, absolut.
Da.
Deci, trebuie să spun că ar fi trebuit să
pun bare de eroare aici.
Mă uitam la asta și doar
am observat că nu le am.
[VOCI INTERPUSE]
PUBLIC: --pentru că chiar
dacă ai făcut o histogramă--
JOEL HIRSCHHORN: Corect.
Dar--
PUBLIC: --nu se
schimbă neapărat--
[VOCI INTERPUSE]
JOEL HIRSCHHORN: Ah.
Deci corect.
Deci, dacă asta ar fi...
dacă ai putea spune, ei
bine, medicii pot face asta
fără să știe dinainte,
atunci acest lucru nu ar trebui să se
întâmple, nu?
PUBLIC: Oh, da.
JOEL HIRSCHHORN: Da.
Deci da.
Deci, acesta este argumentul
este oh, ei bine, oricum medicii
vor fi
buni la asta.
Ei nu sunt.
Ei sut la asta.
Deci, dar cred că celălalt lucru
care este potențial util,
așa că dacă te uiți la cel puțin
două alele de risc cele mai bine stabilite
pentru diabetul de tip 2
, se dovedește că
ambele sunt în ținte de medicamente.
Acum, acest lucru este,
desigur, puțin
circular, deoarece
motivul pentru care au fost priviți
a fost pentru că se
știa dinainte
că erau ținte de droguri.
Deci aveau sens ca
fiind gene candidate bune.
Dar este interesant că
două dintre medicamentele majore care
sunt utilizate pentru a trata
diabetul de tip 2, există
variante în
țintele lor care afectează
susceptibilitatea genetică
la diabet.
Și, desigur, promisiunea aici
este că, dacă ai putea găsi toate
celelalte căi genetice,
chiar dacă au avut doar
un efect de 1,1 ori asupra bolii -
deci PPARgamma este doar
un efect de risc de aproximativ 25%
asupra riscului de boală.
Dar vă puteți
imagina cu ușurință că veniți
cu o
intervenție farmacologică care
face mult mai mult decât
face polimorfismul genetic.
Deci, există doar atât de multă
toleranță pentru cât de multă
variație genetică
va lăsa evoluția să se întâmple.
Dar s-ar putea ca administrarea de
tiazolidindione să
fie ca și cum ar avea
un efect de 10 ori mai mare
decât a avea o
alanină.
Deci, ideea este că, sperăm, prin
identificarea genelor
responsabile - și acest lucru este valabil și
pentru formele severe ale bolii -
ați putea identifica țintele medicamentului.
Și, în cele din urmă,
desigur, acest lucru ajută la
înțelegerea biologiei umane, iar
acesta este întotdeauna un obiectiv demn.
Așa că ar trebui să vorbim despre potențialele
dificultăți din toate acestea--
din toate aceste progrese.
Există, evident,
preocupări cu privire la confidențialitatea
datelor genetice.
Și nu prea am
timp să intru în asta,
dar, evident,
marea teamă are de-a face
cu
discriminarea în asigurări și cu faptul că angajatorii
știu despre bolile genetice.
Și există proiecte de lege
care continuă să ajungă
aproape până la
Congres și nu se
ocupă tocmai de asta.
Așa că faceți lobby pe congresmanul dvs.
Există mentalitatea Gattaca
despre interpretarea necorespunzătoare
a informațiilor predictive, cât de
predictivă este informația genetică
.
Există companii
care vor încerca
să vă vândă că ar trebui să
țineți dieta A sau dieta B bazată
pe tipuri de gene SNP care se află
în acele
asociații ireproductibile.
Pot exista
efecte psihologice ale dacă spuneți că aveți
alela cu risc ridicat pentru
diabet, asta s-ar putea...
fără a înțelege că
aceasta este o măsură corelativă mai degrabă
decât o
măsură perfect predictivă,
care ar putea avea un
rău semnificativ, precum și un
impact asupra
opțiunilor de reproducere.  , din nou,
în funcție de cât de predictivi
cred oamenii că sunt lucrurile.
Există interacțiuni uriașe cu
conceptele de rasă și etnie.
Am făcut aluzie
puțin la asta
cu diferite
frecvențe de alele
și diferite populații.
Cele mai multe alele sunt prezente
în întreaga lume
și, în general, nu puteți folosi
nicio variantă
pentru a deosebi diferitele
grupuri etnice,
dar există cu
siguranță diferențe
în frecvențele alelelor
între populații.
Și asta are
implicații semnificative.
Și apoi, în sfârșit,
cu siguranță nu
studiez genetica
performanței,
dar vă puteți imagina
că dacă oamenii ar
începe să intre în asta,
asta ar putea fi destul de șocant.
Și chiar dacă
știința ar fi perfectă
din punct de vedere tehnic,
ar putea crea multe probleme.
Deci, David Altshuler este
un colaborator cu mine
în munca de diabet și, de asemenea,
foarte implicat în harta hap
cu munca care a fost făcută
de Stacey Gabriel, Mark
Daly, Steve Schaffner
pe blocurile haplotip.
Grupul de diabet
este și Noelle Lake,
Cecilia [INAUDIBLE] a făcut
niște chestii de expresie.
Și Kirk și Lee și Eric au participat la

studiul de asociere de meta-analiza.
Și există o mulțime de
lucruri de tip proiect genom
care, evident,
ne oferă toate instrumentele pentru a face acest lucru.
Deci mulțumesc.