به حداکثر رساندن سود و تاثیر رویکرد
آیا روش تجربی پیشنهادی برای رسیدگی به مکانیزم خطر بیماری به وسیله یک ژن خاص و یا بررسی زیست‌شناسی پایه و عملکرد آن ژن مناسب است ؟
با توجه به موضوع مورد نظر ، تجارت بین یک شیرجه عمیق به بیولوژی و عملکرد یک ژن یا متغیر خاص در مقابل یک ارزیابی جامع از همه ژن‌ها ، بیماری‌ها یا ژن‌های مرتبط با ویژگی وجود دارد ؟
آیا اثرات تجربی ژن‌ها یا variants در بافت تمام ویژگی‌های بالینی و غیر بالینی مرتبط با این گونه‌ها و اینکه آیا ژن‌ها یا انواع غیر مرتبط دارای اثرات مشابهی هستند ، در نظر گرفته شده‌است ؟
سوالات متداول
کدام ژن یک ژن از پی‌گیری کارکردی پشتیبانی می‌کند ؟
The یک لیست اصلاحی از ژن‌های خطر روانی ایجاد شده را حفظ نمی‌کند . ژنتیک انسان یک زمینه تکاملی سریع است و مجموعه‌ای از ژن‌های خطر بالقوه پویا است چون مطالعات در اندازه و روش‌های آماری جدید اعمال می‌شوند . هر کاربرد براساس قدرت شواهد ژنتیکی و منطقی که در بالا توضیح داده شد مورد ارزیابی قرار می‌گیرد . ما به شدت به متقاضیان نیاز داریم که پیشنهاد خود را بر روی هر یک از تحقیقات ژنتیکی از هر یک از این مطالعه مشخص نکنند و قبل از تسلیم با کارکنان برنامه مشورت کنند .
من از کجا بدانم آیا ژن من دارای ژنوم کامل است یا نه ؟
یک نوع ژن یا ژن ، بسیار قابل‌توجه است ( GWS ) وقتی که از یک آستانه آماری که برای تعداد موثر آزمایش‌ها مستقل اصلاح می‌شود ، پیشی می‌گیرد. در مطالعات ارتباط متغیر معمول ، این مجموعه در P < ۵ x ۱۰ - ۸ تنظیم شده‌است ، که یک تصحیح Bonferroni از p < ۰.۰۵ توسط تقریبا ً یک میلیون منطقه ژنومی مستقل است که توسط انواع common تک نوکلیوتیدی ( یعنی ، ) علامت‌گذاری شده‌اند. در مطالعات مرتبط با انواع کدگذاری کمیاب ( " مطالعات exome " ) ، تست‌های بار ژنی برای تعداد کل ژن‌ها و کلاس‌های جهش‌یافته تصحیح می‌شوند ( به عنوان مثال ، ۲۰ K ژن ، از دست دادن عملکرد و نسخه‌های missense ) . این آستانه نوعا ً براساس ترتیب P < ۲ x ۱۰ - ۶ است . روش‌های قدرتمند در حال حاضر برای مطالعات مربوط به توالی کل ژنوم ، انواع غیر کدگذاری کمیاب ( Werling و همکاران ۲۰۱۸ ) توسعه داده می‌شوند . توجه دقیقی باید به نحوه تعیین GWS و اگر آن‌ها به دنبال منابع بالقوه جانبداری و confounds در طراحی مطالعه باشند ، پرداخته شود .
بسته به این اختلال ، مطالعات مرتبط با متغیر نادر ممکن است نیاز به اندازه نمونه بزرگ‌تر یا بزرگ‌تر از مطالعات متغیر معمول داشته باشد ( N > > ۱۰ K ) . با توجه به اندازه نمونه فعلی ، رویکردهای متفاوتی برای افزایش قدرت برای شناسایی ژن‌های مرتبط با بیماری از جمله Bayesian ( ساندرز و همکاران ۲۰۱۵ ) و روش‌های یادگیری ماشین ( کریشنان و همکاران ۲۰۱۶ ) وجود دارد . این روش‌ها از نرخ‌های کشف نادرست استفاده می‌کنند و یا احتمالات را در آستانه‌های مختلف مشخص می‌کنند و از آستانه های strict ، Bonferroni - تصحیح شده با نرخ‌های خطای ثابت استفاده نمی‌کنند . بنابراین ، در حالی که در رتبه‌بندی ژن‌ها که از این روش‌ها مشتق شده‌اند ، اطلاعات زیستی مهمی را در هنگام مطالعه جمعی در آنالیز bioinformatic یا سنجش عملکرد بالا فراهم می‌کنند ، آن‌ها نباید به طور کامل بر روی ژن از طریق ژن تفسیر شوند . آن ژن‌های فردی با بار افزایشی جهش که از هر دوی GWS پیشی می‌گیرند و در رتبه‌بندی بالا رتبه بالایی دارند ، برای سرمایه‌گذاری با اهداف ژرف ، هدفمند و هدفمند اولویت‌بندی می‌شوند .
من نمی‌دانم آیا یک یافته ژنتیکی با موفقیت تکرار شده‌است یا نه؟ meta و تحلیل‌های mega را انجام دهید ؟
The و تکرارپذیری مطالعات یک بحث فعال در میان جامعه تحقیقاتی بزرگ‌تر است ( leek & jager ۲۰۱۷ ) . در حوزه ژنتیک انسان ، تکرار تعریف circumscribed دارد . مطالعات ارتباط ژنتیکی طراحی‌شده شامل تکرار داخلی است . Genome - های قابل‌توجه ( GWS ) در یک گروه اکتشافی در یک گروه تکثیر مستقل مورد ارزیابی قرار می‌گیرند .
منبع سایت