✖


Jump to content

Генетическая корреляция

В многомерной количественной генетике генетическая корреляция (обозначается или ) — это доля дисперсии , которую разделяют два признака из-за генетических причин, [1] [2] [3] корреляция между генетическими влияниями на признак и генетическими влияниями на другой признак [4] [5] [6] [7] [8] [9] оценка степени плейотропии или причинного перекрытия. Генетическая корреляция, равная 0, означает, что генетические воздействия на один признак не зависят от другого, тогда как корреляция, равная 1, означает, что все генетические влияния на два признака идентичны. Двумерную генетическую корреляцию можно обобщить, чтобы сделать вывод о генетических латентных переменных факторах для более чем двух признаков с помощью факторного анализа . Модели генетической корреляции были внедрены в поведенческую генетику в 1970–1980-х годах.

Генетические корреляции применяются для проверки результатов полногеномных ассоциативных исследований (GWAS), селекции, прогнозирования признаков и выявления этиологии признаков и заболеваний.

Их можно оценить, используя данные индивидуального уровня, полученные в результате исследований близнецов и молекулярной генетики, или даже с помощью сводной статистики GWAS. [10] [11] Было обнаружено, что генетические корреляции распространены в генетике, отличной от человека. [12] и быть в целом похожими на соответствующие фенотипические корреляции, [13] а также широко встречается в человеческих чертах, получивших название «феном». [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24]

Это открытие широко распространенной плейотропии имеет значение для искусственного отбора в сельском хозяйстве, интерпретации фенотипических корреляций, социального неравенства, [25] попытки использовать менделевскую рандомизацию для причинно-следственных выводов, [26] [27] [28] [29] понимание биологического происхождения сложных признаков и разработка GWAS.

Генетическую корреляцию следует противопоставлять корреляции окружающей среды между средами, влияющими на два признака (например, если плохое питание в семье привело к снижению IQ и роста); генетическая корреляция между двумя признаками может способствовать наблюдаемой ( фенотипической ) корреляции между двумя признаками, но генетические корреляции также могут быть противоположны наблюдаемым фенотипическим корреляциям, если корреляция окружающей среды достаточно сильна в другом направлении, возможно, из-за компромиссов или специализации. [30] [31] Наблюдение о том, что генетические корреляции обычно отражают фенотипические корреляции, известно как « гипотеза Чеверуда ». [32] и было подтверждено на животных [33] [34] и люди, и показали, что они одинакового размера; [35] например, в Биобанке Великобритании из 118 непрерывных черт человека только 29% их взаимокорреляций имеют противоположные знаки, [23] а более поздний анализ 17 высококачественных признаков UKBB показал корреляцию, близкую к единице. [36]

Интерпретация

[ редактировать ]

Генетические корреляции — это не то же самое, что наследственность , поскольку речь идет о перекрытии двух наборов влияний, а не об их абсолютной величине; две черты могут быть либо высоконаследственными, но не генетически коррелированными, либо иметь небольшую наследственность и быть полностью коррелированными (при условии, что наследственность не равна нулю).

Например, рассмотрим две черты характера — темную кожу и черные волосы. Эти два признака могут по отдельности иметь очень высокую наследственность (большая часть вариаций признака на уровне популяции обусловлена ​​генетическими различиями, или, проще говоря, генетика вносит значительный вклад в эти два признака), однако они все же могут иметь очень низкую генетическую наследственность. корреляция, если, например, эти два признака контролировались разными, неперекрывающимися и несвязанными генетическими локусами.

Генетическая корреляция между двумя чертами будет иметь тенденцию вызывать фенотипические корреляции – например, генетическая корреляция между интеллектом и СЭС. [16] или образование и семья СЭС [37] подразумевает, что интеллект/SES также будет коррелировать фенотипически. Фенотипическая корреляция будет ограничена степенью генетической корреляции, а также наследственностью каждого признака. Ожидаемая фенотипическая корреляция представляет собой двумерную наследственность и может быть рассчитана как квадратный корень наследственности, умноженный на генетическую корреляцию. (Используя пример Plomin, [38] для двух признаков с наследуемостью 0,60 и 0,23, и фенотипической корреляцией r = 0,45, двумерная наследственность будет равна , поэтому из наблюдаемой фенотипической корреляции 0,28/0,45 = 62% обусловлено корреляционными генетическими эффектами, что не говоря уже об изменчивости признаков как таковой.)

Причина

[ редактировать ]

Генетические корреляции могут возникнуть из-за: [19]

  1. неравновесие по сцеплению (два соседних гена, как правило, наследуются вместе, каждый из которых влияет на отдельный признак)
  2. биологическая плейотропия (один ген, обладающий множеством не связанных друг с другом биологических эффектов, или общая регуляция нескольких генов) [39] )
  3. опосредованная плейотропия (ген влияет на признак X , а признак X влияет на признак Y ).
  4. предубеждения: стратификация популяции, такая как происхождение или ассортативное спаривание (иногда называемое «неравновесием гаметической фазы»), ложная стратификация, такая как систематическая ошибка в установлении / самоотбор. [40] или парадокс Берксона , или неправильная классификация диагнозов

Использование

[ редактировать ]

Причины изменения черт

[ редактировать ]

Генетические корреляции полезны с научной точки зрения, поскольку генетические корреляции можно анализировать с течением времени внутри человека в продольном направлении. [41] (например, интеллект стабилен на протяжении всей жизни из-за одних и тех же генетических влияний – детство генетически коррелирует со старостью [42] ), или между диагнозами, что позволяет выяснить, влияют ли разные гены на признак на протяжении всей жизни (обычно они не влияют). [4] ), влияют ли разные гены на признак в разных популяциях из-за различий в местной среде, существует ли гетерогенность заболевания в зависимости от времени, места или пола (особенно в психиатрических диагнозах существует неуверенность в том, является ли «аутизм» или «шизофрения» в одной стране тем же самым, что и «шизофрения» в одной стране). других или сместились ли диагностические категории во времени/месте, что привело к разным уровням предвзятости в оценке ), и в какой степени такие черты, как аутоиммунные или психиатрические расстройства или когнитивные функции, значимо группируются из-за общей биологической основы и генетической архитектуры . Это может быть важным ограничением для концептуализации двух признаков: черты, которые кажутся разными фенотипически , но имеют общую генетическую основу, требуют объяснения того, как эти гены могут влиять на оба признака.

Повышение эффективности GWAS

[ редактировать ]

Генетические корреляции могут использоваться в GWAS путем использования полигенных показателей или совпадений по всему геному для одного признака (часто более легко измеряемого) для увеличения априорной вероятности вариантов второго признака; например, поскольку интеллект и годы образования тесно связаны между собой генетически, GWAS для образования по своей сути также будет GWAS для интеллекта и сможет также прогнозировать различия в интеллекте. [43] и самые сильные кандидаты SNP могут использоваться для увеличения статистической мощности меньшего GWAS, [44] проводится комбинированный анализ скрытых признаков, при котором каждый измеренный генетически коррелирующий признак помогает уменьшить ошибку измерения и значительно повышает эффективность GWAS (например, Krapohl et al. 2017, используя эластичную сеть и множественные полигенные оценки, улучшая прогноз интеллекта с 3,6% дисперсии до 4,8%; [45] Хилл и др. 2017б [46] использует MTAG [47] объединить 3g -нагруженные характеристики образования, дохода домохозяйства и результатов когнитивного теста, чтобы найти 107 совпадений и удвоить предсказательную силу интеллекта) или можно провести GWAS для нескольких характеристик совместно. [48] [49]

Генетические корреляции также могут количественно оценить вклад корреляций <1 между наборами данных, которые могут создать ложную « отсутствующую наследственность », путем оценки степени, в которой разные методы измерения, влияние предков или окружающая среда создают лишь частично перекрывающиеся наборы соответствующих генетических вариантов. [50]

Разведение

[ редактировать ]

У бесшерстных собак несовершенные зубы; длинношерстные и жесткошерстные животные склонны иметь, как утверждают, длинные или многочисленные рога; голуби с оперенными лапами имеют кожу между внешними пальцами; у голубей с короткими клювами маленькие ступни, а у голубей с длинными клювами — большие. Следовательно, если человек продолжает отбирать и таким образом увеличивать какую-либо особенность, он почти наверняка непреднамеренно модифицирует другие части структуры благодаря таинственным законам корреляции.

— Чарльз Дарвин , «Происхождение видов» , 1859 г.

Генетические корреляции также полезны в прикладных контекстах, таких как селекция растений / животных, поскольку позволяют заменять более легко измеряемые, но сильно генетически коррелированные характеристики (особенно в случае сцепленных с полом или бинарных признаков в рамках модели порога ответственности , где различия в фенотипе редко можно наблюдать, но другой высококоррелированный показатель, возможно, эндофенотип , доступен у всех особей), компенсируя различные условия окружающей среды, в которых проводилось разведение, что позволяет более точно прогнозировать племенную ценность с использованием многомерного уравнения селекционера по сравнению с прогнозами, основанными на в одномерном уравнении селекционера, использующем только наследственность по признаку и предполагая независимость признаков, а также избегая неожиданных последствий, принимая во внимание, что отбор по/против признака X также увеличит/уменьшит все признаки, которые положительно/отрицательно коррелируют с X. искусственный [51] [52] [53] [54] [55] Ограничения отбора, установленные взаимной корреляцией признаков, и возможность изменения генетических корреляций в ходе долгосрочных программ разведения приводят к дилемме Холдейна, ограничивающей интенсивность отбора и, следовательно, прогресс.

Эксперименты по селекции генетически коррелирующих признаков могут измерить степень, в которой коррелирующие признаки по своей природе связаны с развитием, а реакция ограничена, а какие можно разъединить. [56] Некоторые признаки, такие как размер глазковых пятен у бабочки Bicyclus Anynana, можно разделить при разведении. [57] но другие пары, такие как цвета глазных пятен, сопротивлялись попыткам. [58]

Математическое определение

[ редактировать ]

Учитывая генетическую ковариационную матрицу, генетическая корреляция вычисляется путем ее стандартизации , т. е. путем преобразования ковариационной матрицы в корреляционную матрицу. Как правило, если представляет собой генетическую ковариационную матрицу и , то корреляционная матрица равна . Для данной генетической ковариации между двумя признаками, одна из которых имеет генетическую вариативность а другой с генетической изменчивостью генетическая корреляция рассчитывается так же, как и коэффициент корреляции .

Вычисление генетической корреляции

[ редактировать ]

Генетические корреляции требуют генетически информативного образца. Их можно оценить в экспериментах по разведению двух признаков с известной наследственностью и выборе одного признака для измерения изменения другого признака (позволяя сделать вывод о генетической корреляции), исследованиях семьи/усыновления/близнецов (анализируются с использованием SEM или анализа крайностей ДеФриса-Фалкера). ), молекулярная оценка родства, такая как GCTA , [59] методы, использующие полигенные показатели, такие как HDL (вероятность высокой четкости), [11] регрессия оценки LD, [17] [60] БОЛТ-РЕМЛ, [61] CPBayes, [62] или ХЕСС, [63] сравнение полногеномных попаданий SNP в GWAS (в виде свободной нижней границы) и фенотипических корреляций популяций, по крайней мере, с некоторыми родственными особями. [64]

Как и при оценке наследственности SNP и генетической корреляции, лучшее вычислительное масштабирование и возможность оценки с использованием только установленной сводной статистики ассоциаций являются особым преимуществом для ЛПВП. [11] и регрессия показателя LD по сравнению с конкурирующими методами. В сочетании с растущей доступностью сводных статистических данных GWAS или полигенных показателей из таких наборов данных, как Британский биобанк , такие методы сводного уровня привели к взрывному росту исследований генетической корреляции с 2015 года. [ нужна ссылка ]

Эти методы связаны с регрессией Хаземана-Элстона и регрессией PCGC. [65] Такие методы обычно охватывают весь геном, но также можно оценить генетические корреляции для конкретных вариантов или областей генома. [66]

Один из способов рассмотреть это - использовать признак X у близнеца 1 для прогнозирования признака Y у близнеца 2 для монозиготных и дизиготных близнецов (т.е. использовать IQ близнеца 1 для прогнозирования объема мозга близнеца 2); если эта кросс-корреляция больше для более генетически похожих монозиготных близнецов, чем для дизиготных близнецов, сходство указывает на то, что признаки не являются генетически независимыми и существует некоторая общая генетика, влияющая как на IQ, так и на объем мозга. (Статистическая мощность также может быть увеличена за счет использования братьев и сестер. [67] )

На генетические корреляции влияют методологические проблемы; недооценка наследственности, например, из-за ассортативного спаривания , приведет к переоценке продольной генетической корреляции, [68] а умеренный уровень ошибочных диагнозов может создать псевдокорреляции. [69]

Поскольку на них влияет наследуемость обоих признаков, генетические корреляции имеют низкую статистическую мощность, особенно при наличии ошибок измерения, снижающих наследственность, поскольку «оценки генетических корреляций обычно подвержены довольно большим ошибкам выборки и, следовательно, редко бывают очень точными»: стандартная ошибка оценки является . [70] (Большие генетические корреляции и наследственность будут оценены более точно. [71] ) Однако включение генетических корреляций в анализ плейотропного признака может повысить мощность по той же причине, по которой многомерные регрессии более эффективны, чем отдельные одномерные регрессии. [72]

Преимущество двойных методов заключается в том, что их можно использовать без подробных биологических данных, при этом генетические корреляции человека рассчитаны еще в 1970-х годах, а генетические корреляции животных и растений рассчитаны в 1930-х годах, и для их высокой эффективности требуются размеры выборки в сотни человек, но они имеют недостаток, заключающийся в том, что они делают предположения, которые подвергались критике, а в случае редких черт, таких как нервная анорексия, может быть трудно найти достаточное количество близнецов с диагнозом, чтобы провести значимое сравнение между близнецами, и его можно оценить только при наличии доступа к близнецам. данные; Молекулярно-генетические методы, такие как регрессия баллов GCTA или LD, имеют то преимущество, что не требуют определенной степени родства и поэтому могут легко изучать редкие признаки с использованием моделей «случай-контроль» , что также уменьшает количество предположений, на которые они полагаются, но эти методы не могут быть использованы. до недавнего времени требовались большие размеры выборки в тысячи или сотни тысяч (чтобы получить точные оценки наследственности SNP, см. формулу стандартной ошибки), могут потребоваться генетические данные индивидуального уровня (в случае GCTA, но не регрессии оценки LD).

Более конкретно, если два признака, скажем, рост и вес, имеют следующую аддитивную генетическую дисперсионно-ковариационную матрицу:

Высота Масса
Высота 36 36
Масса 36 117

Тогда генетическая корреляция равна 0,55, как видно из стандартизированной матрицы ниже:

Высота Масса
Высота 1
Масса .55 1

На практике приложения моделирования структурными уравнениями , такие как Mx или OpenMx (а до этого, исторически, LISREL [73] ) используются для расчета как генетической ковариационной матрицы, так и ее стандартизированной формы. В Р , cov2cor() стандартизирует матрицу.

Как правило, в опубликованных отчетах представлены компоненты генетической вариабельности, стандартизированные как доля от общей дисперсии (например, в модели исследования близнецов ACE , стандартизованной как доля V-total = A+C+E). В этом случае метрика для расчета генетической ковариации (дисперсия в матрице генетической ковариации) теряется (из-за процесса стандартизации), поэтому вы не можете легко оценить генетическую корреляцию двух признаков на основе таких опубликованных моделей. Многомерные модели (например, разложение Холецкого [ нужен лучший источник ] ), однако позволит зрителю увидеть общие генетические эффекты (в отличие от генетической корреляции), следуя правилам пути. Поэтому важно предоставлять в публикациях нестандартизированные коэффициенты пути.

См. также

[ редактировать ]

Ссылки

[ редактировать ]
  1. ^ Фальконер , Ч. 19
  2. ^ Линч, М. и Уолш, Б. (1998) Генетика и анализ количественных признаков , Зинауер, Глава 21, «Корреляции между признаками» , «Глава 25, Пороговые признаки» ISBN   9780878934812
  3. ^ Нил и Мэйс (1996), Методология генетических исследований близнецов и семей. Архивировано 27 марта 2017 г. в Wayback Machine (6-е изд.). Дордрехт, Нидерланды: Клювер.
  4. ^ Jump up to: а б Пломин и др. , с. 123
  5. ^ Мартин, Нью-Йорк; Ивз, ЖЖ (1977). «Генетический анализ ковариационной структуры» (PDF) . Наследственность . 38 (1): 79–95. дои : 10.1038/hdy.1977.9 . ПМИД   268313 . S2CID   12600152 . Архивировано из оригинала (PDF) 25 октября 2016 г.
  6. ^ Ивз, LJ; Последний, КА; Янг, Пенсильвания; Мартин, Н.Г. (1978). «Модельные подходы к анализу человеческого поведения» . Наследственность . 41 (3): 249–320. дои : 10.1038/hdy.1978.101 . ПМИД   370072 . S2CID   302717 .
  7. ^ Лелин и Ванденберг (1968) «Генетические и экологические компоненты в ковариации когнитивных способностей: аддитивная модель», в « Прогресс в генетике человеческого поведения» , изд. С. Г. Ванденберг, стр. 261–278. Джонс Хопкинс, Балтимор.
  8. ^ Перселл, С.; Шам, П. (2002). «Модели компонентов дисперсии для взаимодействия гена и окружающей среды в количественном анализе локуса сцепления признаков» . Исследование близнецов . 5 (6): 572–6. дои : 10.1375/136905202762342035 . ПМИД   12573188 .
  9. ^ Колер, HP; Берман, младший; Шниткер, Дж. (2011). «Методы социальных наук для анализа данных о близнецах: интеграция причинно-следственных связей, способностей и наследственности» . Биодемография и социальная биология . 57 (1): 88–141. дои : 10.1080/19485565.2011.580619 . ПМК   3158495 . ПМИД   21845929 .
  10. ^ Булик-Салливан, Брендан; Финукейн, Хилари К .; Анттила, Вернери; Гусев Александр; Дэй, Феликс Р.; Лох, По-Ру; Дункан, Ларами; Перри, Джон РБ; Паттерсон, Ник; Робинсон, Элиза Б.; Дейли, Марк Дж. (ноябрь 2015 г.). «Атлас генетических корреляций между болезнями и чертами человека» . Природная генетика . 47 (11): 1236–1241. дои : 10.1038/ng.3406 . ПМЦ   4797329 . ПМИД   26414676 .
  11. ^ Jump up to: а б с Нин, Чжэн; Павитан, Юди; Шен, Ся (август 2020 г.). «Правдоподобный вывод генетических корреляций между сложными чертами человека» (PDF) . Природная генетика . 52 (8): 859–864. дои : 10.1038/s41588-020-0653-y . hdl : 10616/47311 . ПМИД   32601477 . S2CID   220260262 .
  12. ^ Вагнер, врач общей практики; Чжан, Дж. (2011). «Плейотропная структура карты генотип-фенотип: возможность эволюции сложных организмов» (PDF) . Обзоры природы. Генетика . 12 (3): 204–13. дои : 10.1038/nrg2949 . ПМИД   21331091 . S2CID   8612268 . [ мертвая ссылка ]
  13. ^ Чеверуд, Джеймс М. (1988). «Сравнение генетических и фенотипических корреляций». Эволюция . 42 (5): 958–968. дои : 10.2307/2408911 . JSTOR   2408911 . ПМИД   28581166 .
  14. ^ Краполь, Э.; Юесден, Дж.; Забане, Д.; Пинго, Ж.Б.; Римфельд, К.; фон Штумм, С.; Дейл, PS; Брин, Г.; О'Рейли, ПФ; Пломин Р. (2016). «Общефеномный анализ полногеномных показателей полигенности» (PDF) . Молекулярная психиатрия . 21 (9): 1188–93. дои : 10.1038/mp.2015.126 . ПМЦ   4767701 . ПМИД   26303664 . Архивировано из оригинала (PDF) 02 февраля 2017 г. Проверено 24 октября 2016 г.
  15. ^ Хагенаарс, СП; Харрис, SE; Дэвис, Г.; Хилл, штат Вашингтон; Лиевальд, округ Колумбия, М.; Ричи, С.Дж.; Мариони, RE; Фаунс-Ричи, К.; Каллен, Б.; Малик, Р.; Уорролл, BB; Садлоу, CL М.; Уордлоу, Дж. М.; Галлахер, Дж.; Пелл, Дж.; Макинтош, AM; Смит, диджей; Гейл, ЧР; Дорогой, Эй Джей; Гейл, ЧР; Дорогой, Эй Джей (2016). «Общая генетическая этиология когнитивных функций, физического и психического здоровья в Биобанке Великобритании (N = 112 151) и 24 консорциумах GWAS» . Молекулярная психиатрия . 21 (11): 1624–1632. дои : 10.1038/mp.2015.225 . ПМК   5078856 . ПМИД   26809841 .
  16. ^ Jump up to: а б Хилл, штат Вашингтон; Хагенаарс, СП; Мариони, RE; Харрис, SE; Лиевальд ДКМ; Дэвис, Г.; Окбай, А.; Макинтош, AM; Гейл, ЧР; Дорогой, Эй Джей (2016). «Вклад молекулярной генетики в социальную депривацию и доходы домохозяйств в Биобанке Великобритании (n = 112 151)» . Современная биология . 26 (22): 3083–3089. дои : 10.1016/j.cub.2016.09.035 . ПМК   5130721 . ПМИД   27818178 .
  17. ^ Jump up to: а б Чжэн, Цзе; Эрзурумлуоглу, А. Месут; Элсворт, Бенджамин Л.; Кемп, Джон П.; Хау, Лоуренс; Хейкок, Филип К.; Хемани, Джебран; Тэнси, Кэтрин; Лорен, Чарльз; Пурсен, улица Беате; Уоррингтон, Николь М.; Финукейн, Хилари К.; Прайс, Алкес Л.; Булик-Салливан, Брендан К.; Анттила, Вернери; Патерностер, Лавиния; Гонт, Том Р.; Эванс, Дэвид М.; Нил, Бенджамин М.; Нил, Б.М. (2017). «LD Hub: централизованная база данных и веб-интерфейс для выполнения регрессии оценок LD, которая максимизирует потенциал данных GWAS суммарного уровня для анализа наследственности SNP и генетической корреляции» . Биоинформатика . 33 (2): 272–279. doi : 10.1093/биоинформатика/btw613 . ПМК   5542030 . ПМИД   27663502 .
  18. ^ Сивакумаран, Шанья; Агаков, Феликс; Теодорату, Европа; Прендергаст, Джеймс Г.; Згага, Лина; Манолио, Тери; Рудан, Игорь; Маккейг, Пол; Уилсон, Джеймс Ф.; Кэмпбелл, Гарри (2011). «Обильная плейотропия при сложных заболеваниях и признаках человека» . Американский журнал генетики человека . 89 (5): 607–618. дои : 10.1016/j.ajhg.2011.10.004 . ПМЦ   3213397 . ПМИД   22077970 .
  19. ^ Jump up to: а б Соловьев Н.; Котсапас, К.; Ли, PH; Перселл, С.М.; Смоллер, JW (2013). «Плейотропия в сложных признаках: проблемы и стратегии» . Обзоры природы. Генетика . 14 (7): 483–495. дои : 10.1038/nrg3461 . ПМК   4104202 . ПМИД   23752797 .
  20. ^ Котсапас, Крис; Войт, Бенджамин Ф.; Россин, Элизабет; Лаге, Каспер; Нил, Бенджамин М.; Уоллес, Крис; Абекасис, Гонсалу Р.; Барретт, Джеффри С.; Беренс, Тимоти; Чо, Джуди; Де Ягер, Филип Л.; Старейшина Джеймс Т.; Грэм, Роберт Р.; Грегерсен, Питер; Кларескуг, Ларс; Симинович, Кэтрин А.; Ван Хил, Дэвид А.; Вейменга, Сиска; Уортингтон, Джейн; Тодд, Джон А.; Хафлер, Дэвид А.; Рич, Стивен С.; Дейли, Марк Дж.; Сеть консорциумов FOCiS (2011). «Повсеместное распространение генетических эффектов при аутоиммунных заболеваниях» . ПЛОС Генетика . 7 (8): e1002254. дои : 10.1371/journal.pgen.1002254 . ПМК   3154137 . ПМИД   21852963 .
  21. ^ Чемберс, Дж. К.; Чжан, В.; Семи, Дж.; Ли, Х.; Васс, Миннесота; Ван Дер Харст, П.; Холм, Х.; Санна, С.; Кавуси, М.; Баумайстер, SE; Коин, ЖЖ; Дэн, Г.; Гигер, К.; Херд-Коста, Нидерланды; Хоттенга, Джей-Джей; Кюнель, Б.; Кумар, В.; Лагу, В.; Лян, Л.; Луан, Дж.; Видаль, премьер-министр; Лич, И.М.; О'Рейли, ПФ; Педен, Дж. Ф.; Рахмиоглу, Н.; Сойнинен, П.; Спелиотес, Е.К.; Юань, X.; Торлейфссон, Г.; и др. (2011). «Полногеномное исследование ассоциаций идентифицирует локусы, влияющие на концентрацию ферментов печени в плазме» . Природная генетика . 43 (11): 1131–1138. дои : 10.1038/ng.970 . ПМЦ   3482372 . ПМИД   22001757 .
  22. ^ Хемани, Джебран; Боуден, Джек; Хейкок, Филип; Чжэн, Цзе; Дэвис, Оливер; Флах, Питер; Гонт, Том; Смит, Джордж Дэйви (2017). «Автоматизация менделевской рандомизации посредством машинного обучения для построения предполагаемой причинно-следственной карты человеческого феномена». дои : 10.1101/173682 . S2CID   8865889 . {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )
  23. ^ Jump up to: а б Канела-Ксандри, Ориол; Равлик, Конрад; Тенеса, Альберт (2018). «Атлас генетических ассоциаций в Биобанке Великобритании» . Природная генетика . 50 (11): 1593–1599. дои : 10.1038/s41588-018-0248-z . ПМК   6707814 . ПМИД   30349118 .
  24. ^ Сократ, Адам; Бонд, Том; Кархунен, Вилле; Аувинен, Юха; Ритвельд, Корнелиус А.; Вейола, Юха; Жарвелин, Маржо-Риитта; о'Рейли, Пол Ф. (2017). «Оценки полигенного риска, примененные к одной когорте, выявляют плейотропию среди сотен фенотипов человека». дои : 10.1101/203257 . S2CID   90474334 . {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )
  25. ^ Мыттус, Рене; Мариони, Риккардо; Дорогой, Ян Дж. (2017). «Маркеры психологических различий, социального неравенства и неравенства в отношении здоровья: возможные генетические и фенотипические совпадения» . Журнал личности . 85 (1): 104–117. дои : 10.1111/jopy.12220 . hdl : 20.500.11820/6ea2bc27-6ce8-4cab-8efa-17a19437941c . ПМИД   26292196 .
  26. ^ Берджесс, С.; Баттерворт, AS; Томпсон, младший (2016). «Помимо менделевской рандомизации: как интерпретировать данные об общих генетических предикторах» . Журнал клинической эпидемиологии . 69 : 208–216. дои : 10.1016/j.jclinepi.2015.08.001 . ПМЦ   4687951 . ПМИД   26291580 .
  27. ^ Хагенаарс, Саския П.; Гейл, Кэтрин Р.; Дорогой, Ян Дж.; Харрис, Сара Э. (2017). «Когнитивные способности и физическое здоровье: менделевское рандомизированное исследование» . Научные отчеты . 7 (1): 2651. Бибкод : 2017NatSR...7.2651H . дои : 10.1038/s41598-017-02837-3 . ПМЦ   5453939 . ПМИД   28572633 .
  28. ^ Боуден, Дж.; Дэйви Смит, Дж.; Берджесс, С. (2015). «Менделевская рандомизация с использованием недействительных инструментов: оценка эффекта и обнаружение систематической ошибки с помощью регрессии Эггера» . Международный журнал эпидемиологии . 44 (2): 512–525. дои : 10.1093/ije/dyv080 . ПМЦ   4469799 . ПМИД   26050253 .
  29. ^ Вербанк, Мари; Чен, Цзя-Йен; Нил, Бенджамин; Делай, Рон (2018). «Обнаружение широко распространенной горизонтальной плейотропии в причинно-следственных связях, выведенных на основе менделевской рандомизации между сложными признаками и заболеваниями» . Природная генетика . 50 (5): 693–698. дои : 10.1038/s41588-018-0099-7 . ПМК   6083837 . ПМИД   29686387 .
  30. ^ Фальконер , с. 315 приводит пример размера курицы и яйценоскости: цыплята, выросшие большими по генетическим причинам, откладывают яйца позже, меньшего размера и большего размера, тогда как цыплята, выросшие большими по экологическим причинам, несут быстрее и больше яиц, но нормального размера; Таблица 19.1 на стр. 316 также предоставляет примеры фенотипических и генетических корреляций с противоположным знаком: масса шерсти/длина шерсти и масса шерсти/живая масса у овец, а также масса тела/время яйценоскости и масса тела/яйценоскость у кур. . Одним из последствий отрицательных корреляций между курами было то, что, несмотря на умеренную наследственность и положительную фенотипическую корреляцию, отбор перестал приносить какие-либо улучшения (стр. 329) согласно «Генетическому проскальзыванию в ответ на отбор по множественным целям» , Дикерсон, 1955.
  31. ^ Круук, Леске EB ; Слейт, Джон; Пембертон, Жозефина М.; Бразерстоун, Сью; Гиннесс, Фиона; Клаттон-Брок, Тим (2002). «Размер рогов благородного оленя: наследственность и отбор, но без эволюции» . Эволюция . 56 (8): 1683–95. дои : 10.1111/j.0014-3820.2002.tb01480.x . ПМИД   12353761 . S2CID   33699313 .
  32. ^ Чеверуд, Джеймс М. (1988). «Сравнение генетических и фенотипических корреляций» . Эволюция . 42 (5): 958–968. дои : 10.1111/j.1558-5646.1988.tb02514.x . ПМИД   28581166 . S2CID   21190284 .
  33. ^ Рофф, Дерек А. (1995). «Оценка генетических корреляций на основе фенотипических корреляций – проверка гипотезы Чеверуда» . Наследственность . 74 (5): 481–490. дои : 10.1038/hdy.1995.68 . S2CID   32644733 .
  34. ^ Круук, Леске Е.Б.; Слейт, Джон; Уилсон, Аластер Дж. (2008). «Новые ответы на старые вопросы: эволюционная количественная генетика популяций диких животных» (PDF) . Ежегодный обзор экологии, эволюции и систематики . 39 : 525–548. doi : 10.1146/annurev.ecolsys.39.110707.173542 . S2CID   86659038 . Архивировано из оригинала (PDF) 21 июля 2019 г.
  35. ^ Дохтерманн, Нед А. (2011). «Проверка гипотезы Чеверуда на предмет поведенческих корреляций и поведенческих синдромов» . Эволюция . 65 (6): 1814–1820. дои : 10.1111/j.1558-5646.2011.01264.x . ПМИД   21644966 . S2CID   21760916 .
  36. ^ Содини, Себастьян М.; Кемпер, Кэтрин Э.; Рэй, Наоми Р.; Тшасковский, Мацей (2018). «Сравнение генотипических и фенотипических корреляций: гипотеза Чеверуда у людей» . Генетика . 209 (3): 941–948. doi : 10.1534/genetics.117.300630 . ПМК   6028255 . ПМИД   29739817 . S2CID   13668940 .
  37. ^ Краполь, Э.; Пломин Р. (2016). «Генетическая связь между социально-экономическим статусом семьи и образовательными достижениями детей, оцененная с помощью полногеномного SNPS» . Молекулярная психиатрия . 21 (3): 437–443. дои : 10.1038/mp.2015.2 . ПМК   4486001 . ПМИД   25754083 .
  38. ^ Пломин и др. , с. 397
  39. ^ Тонг, Пин; Монахан, Джек; Прендергаст, Джеймс Дж.Д. (2017). «Общие регуляторные сайты широко распространены в геноме человека и проливают свет на эволюцию генома и плейотропию заболеваний» . ПЛОС Генетика . 13 (3): e1006673. дои : 10.1371/journal.pgen.1006673 . ПМЦ   5365138 . ПМИД   28282383 .
  40. ^ Мунафо, Маркус Р.; Тиллинг, Кейт; Тейлор, Эми Э.; Эванс, Дэвид М.; Дэйви Смит, Джордж (2018). «Область коллайдера: когда предвзятость выбора может существенно повлиять на наблюдаемые ассоциации» . Международный журнал эпидемиологии . 47 (1): 226–235. дои : 10.1093/ije/dyx206 . ПМЦ   5837306 . ПМИД   29040562 .
  41. ^ Хьюитт, Дж. К.; Ивз, LJ; Нил, MC; Мейер, Дж. М. (1988). «Устранение причин непрерывности развития или «слежения». I. Продольные исследования близнецов во время роста». Генетика поведения . 18 (2): 133–51. дои : 10.1007/BF01067836 . ПМИД   3377729 . S2CID   41253666 .
  42. ^ Дорогой, Эй Джей; Ян, Дж.; Дэвис, Г.; Харрис, SE; Тенеса, А.; Лиевальд, Д.; Лучано, М.; Лопес, Л.М.; Гоу, Эй Джей; Корли, Дж.; Редмонд, П.; Фокс, ХК; Роу, С.Дж.; Хаггарти, П.; Макнил, Г.; Годдард, Мэн; Портеус, диджей; Уолли, Эл Джей; Старр, Дж. М.; Вишер, премьер-министр (2012). «Генетический вклад в стабильность и изменение интеллекта от детства до старости» (PDF) . Природа . 482 (7384): 212–5. Бибкод : 2012Natur.482..212D . дои : 10.1038/nature10781 . hdl : 20.500.11820/4d760b66-7022-43c8-8688-4dc62f6d7659 . ПМИД   22258510 . S2CID   4427683 .
  43. ^ Ритвельд, Калифорния; Медланд, ЮВ; Дерринджер, Дж.; Ян, Дж.; Эско, Т.; Мартин, Северо-Запад; Вестра, HJ; Шахбазов К.; Абделлауи, А.; Агравал, А.; Альбрехт, Э.; Ализаде, Б.З.; Амин, Н.; Барнард, Дж.; Баумайстер, SE; Бенке, Канзас; Беляк, Л.Ф.; Ботман, Дж.А.; Бойл, Пенсильвания; Дэвис, Г.; Лев, К.; Эклунд, Н.; Эванс, Д.С.; Ферманн, Р.; Фишер, К.; Гигер, Дж.; Гьессинг, Гонконг; Хэгг, С.; Харрис-младший; и др. (2013). «GWAS 126 559 человек идентифицирует генетические варианты, связанные с уровнем образования» . Наука . 340 (6139): 1467–1471. Бибкод : 2013Sci...340.1467R . дои : 10.1126/science.1235488 . ПМЦ   3751588 . ПМИД   23722424 .
  44. ^ Ритвельд, Калифорния; Эско, Т.; Дэвис, Г.; Перс, TH; Терли, П.; Беньямин, Б.; Шабри, КФ; Эмильссон, В.; Джонсон, AD; Ли, Джей-Джей; Леу, CD; Мариони, RE; Медланд, ЮВ; Миллер, МБ; Ростапшова О.; Ван дер Ли, SJ; Винхейзен, ААЭ; Амин, Н.; Конли, Д.; Дерринджер, Дж.; Ван Дуйн, СМ; Ферманн, Р.; Франке, Л.; Глейзер, Эль; Ханселл, Северная Каролина; Хейворд, К.; Яконо, РГ; Ибрагим-Вербаас, К.; Джаддо, В.; и др. (2014). «Общие генетические варианты, связанные с когнитивными способностями, выявленные с помощью метода прокси-фенотипа» . Труды Национальной академии наук . 111 (38): 13790–13794. Бибкод : 2014PNAS..11113790R . дои : 10.1073/pnas.1404623111 . ПМЦ   4183313 . ПМИД   25201988 .
  45. ^ Краполь, Э.; Патель, Х.; Ньюхаус, С.; Кертис, CJ; фон Штумм, С.; Дейл, PS; Забане, Д.; Брин, Г.; О'Рейли, ПФ; Пломин Р. (2018). «Мультиполигенный подход к прогнозированию признаков» . Молекулярная психиатрия . 23 (5): 1368–1374. дои : 10.1038/mp.2017.163 . ПМК   5681246 . ПМИД   28785111 .
  46. ^ Хилл, штат Вашингтон; Мариони, RE; Магзян, О.; Ричи, С.Дж.; Хагенаарс, СП; Макинтош, AM; Гейл, ЧР; Дэвис, Г.; Дорогой, Эй Джей (2019). «Комбинированный анализ генетически коррелирующих признаков идентифицирует 187 локусов и определяет роль нейрогенеза и миелинизации в интеллекте» . Молекулярная психиатрия . 24 (2): 169–181. дои : 10.1038/s41380-017-0001-5 . ПМК   6344370 . ПМИД   29326435 .
  47. ^ Терли, Патрик; Уолтерс, Раймонд К.; Магзиан, Омид; Окбай, Айсу; Ли, Джеймс Дж.; Фонтана, Марк Алан; Нгуен-Вьет, Туан Ань; Ведоу, Робби; Захер, Меган; Фурлотт, Николас А.; Магнуссон, Патрик; Оскарссон, Свен; Йоханнессон, Магнус; Вишер, Питер М.; Лейбсон, Дэвид; Чезарини, Дэвид; Нил, Бенджамин М.; Бенджамин, Дэниел Дж. (2018). «Многопризнаковый анализ сводной статистики общегеномных ассоциаций с использованием MTAG» . Природная генетика . 50 (2): 229–237. дои : 10.1038/s41588-017-0009-4 . ПМЦ   5805593 . ПМИД   29292387 .
  48. ^ Андреассен, Оле А.; Томпсон, Уэсли К.; Шорк, Эндрю Дж.; Рипке, Стефан; Маттингсдал, Мортен; Келсо, Джон Р.; Кендлер, Кеннет С.; О'Донован, Майкл С.; Руеску, Дэн; Верге, Томас; Склар, Памела; Родди, Дж. Купер; Чен, Чи-Хуа; МакЭвой, Линда; Десикан, Рахул С.; Джурович, Срджан; Дейл, Андерс М.; Джурович, С.; Дейл, AM (2013). «Улучшенное обнаружение распространенных вариантов, связанных с шизофренией и биполярным расстройством, с использованием условной частоты ложных открытий, основанной на плейотропии» . ПЛОС Генетика . 9 (4): e1003455. дои : 10.1371/journal.pgen.1003455 . ПМК   3636100 . ПМИД   23637625 .
  49. ^ Портер, Хизер Ф.; о'Рейли, Пол Ф. (2017). «Среда многомерного моделирования демонстрирует эффективность многофакторных методов GWAS» . Научные отчеты . 7 : 38837. Бибкод : 2017NatSR...738837P . дои : 10.1038/srep38837 . ПМК   5347376 . ПМИД   28287610 .
  50. ^ Де Вламининг, Рональд; Окбай, Айсу; Ритвельд, Корнелиус А.; Йоханнессон, Магнус; Магнуссон, Патрик К.Е.; Уиттерлинден, Андре Г.; Ван Рой, Фрэнк Дж.А.; Хофман, Альберт; Гроенен, Патрик Дж. Ф.; Турик, А. Рой; Келлингер, Филипп Д. (2017). «Калькулятор точности и мощности Meta-GWAS (MetaGAP) показывает, что сокрытие наследственности частично связано с несовершенными генетическими корреляциями в исследованиях» . ПЛОС Генетика . 13 (1): e1006495. дои : 10.1371/journal.pgen.1006495 . ПМК   5240919 . ПМИД   28095416 .
  51. ^ Хейзел, Л.Н. (1943). «Генетическая основа построения селекционных индексов» . Генетика . 28 (6): 476–490. дои : 10.1093/генетика/28.6.476 . ПМК   1209225 . ПМИД   17247099 .
  52. ^ Рэй, Ал. (1951) «Важность генетических корреляций в отборе»
  53. ^ Хейзел, LN; Лаш, ДЖЕЙ Л. (1942). «Эффективность трех методов отбора» (PDF) . Журнал наследственности . 33 (11): 393–399. doi : 10.1093/oxfordjournals.jhered.a105102 .
  54. ^ Лернер, М. (1950) Популяционная генетика и улучшение животных: на примере наследования яйценоскости . Нью-Йорк: Кембриджский университет. Нажимать
  55. ^ Фальконер , стр. 324–329.
  56. ^ Коннер, Джеффри К. (2012). «Количественные генетические подходы к эволюционным ограничениям: насколько полезны?» . Эволюция . 66 (11): 3313–3320. дои : 10.1111/j.1558-5646.2012.01794.x . ПМИД   23106699 . S2CID   15933304 .
  57. ^ Бельдаде, Патрисия; Купс, Кес; Брейкфилд, Пол М. (2002). «Ограничения развития и гибкость морфологической эволюции» (PDF) . Природа . 416 (6883): 844–847. Бибкод : 2002Natur.416..844B . дои : 10.1038/416844a . ПМИД   11976682 . S2CID   4382085 .
  58. ^ Аллен, Серисс Э.; Бельдаде, Патрисия; Зваан, Бас Дж.; Брейкфилд, Пол М. (2008). «Различия в реакции выбора серийно повторяющихся символов цветового рисунка: постоянные вариации, развитие и эволюция» . Эволюционная биология BMC . 8 (1): 94. Бибкод : 2008BMCEE...8...94A . дои : 10.1186/1471-2148-8-94 . ПМК   2322975 . ПМИД   18366752 .
  59. ^ Ли, Ш.; Ян, Дж.; Годдард, Мэн; Вишер, премьер-министр; Рэй, Северная Каролина (2012). «Оценка плейотропии между сложными заболеваниями с использованием геномных связей, основанных на однонуклеотидном полиморфизме, и ограниченной максимальной вероятности» . Биоинформатика . 28 (19): 2540–2542. doi : 10.1093/биоинформатика/bts474 . ПМЦ   3463125 . ПМИД   22843982 .
  60. ^ Булик-Салливан, Британская Колумбия; Лох, пиар; Финукейн, Х.; Рипке, С.; Ян, Дж.; Рабочая группа по шизофрении Консорциума психиатрической геномики; Паттерсон, Н.; Дейли, MJ; Цена, Алабама; Нил, Б.М. (2015). «Регрессия LD Score отличает смешивание от полигенности в полногеномных исследованиях ассоциаций» . Природная генетика . 47 (3): 291–295. дои : 10.1038/ng.3211 . ПМЦ   4495769 . ПМИД   25642630 .
  61. ^ Лох, По-Ру; Бхатия, Гаурав; Гусев Александр; Финукейн, Хилари К.; Булик-Салливан, Брендан К.; Поллак, Самуэла Дж.; Консорциум психиатрической геномики, Рабочая группа по шизофрении; Де Кандиа, Тереза ​​Р.; Ли, Сан Хонг; Рэй, Наоми Р.; Кендлер, Кеннет С.; О'Донован, Майкл С.; Нил, Бенджамин М.; Паттерсон, Ник; Прайс, Алкес Л. (2015). «Сопоставление региональной архитектуры шизофрении и других сложных заболеваний с использованием анализа быстрых дисперсионных компонентов». дои : 10.1101/016527 . S2CID   196690764 . {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )
  62. ^ Маджумдар, Арунабха; Халдар, Танушри; Бхаттачарья, Сураб; Витте, Джон С. (2018). «Эффективный подход байесовского метаанализа для изучения межфенотипических генетических ассоциаций» . ПЛОС Генетика . 14 (2): e1007139. дои : 10.1371/journal.pgen.1007139 . ПМК   5825176 . ПМИД   29432419 .
  63. ^ Ши, Хувенбо; Кичаев, Глеб; Пасанюк, Богдан (2016). «Сопоставление генетической архитектуры 30 сложных признаков на основе сводных данных об ассоциациях» . Американский журнал генетики человека . 99 (1): 139–153. дои : 10.1016/j.ajhg.2016.05.013 . ПМК   5005444 . ПМИД   27346688 .
  64. ^ Линч, Майкл (1999). «Оценка генетических корреляций в природных популяциях» . Генетические исследования . 74 (3): 255–264. дои : 10.1017/s0016672399004243 . ПМИД   10689802 .
  65. ^ Голан, Дэвид; Ландер, Эрик С.; Россе, Сахарон (2014). «Измерение недостающей наследственности: определение вклада общих вариантов» . Труды Национальной академии наук . 111 (49): E5272–E5281. Бибкод : 2014PNAS..111E5272G . дои : 10.1073/pnas.1419064111 . ПМЦ   4267399 . ПМИД   25422463 .
  66. ^ Ши, Хувенбо; Манкузо, Николас; Спендлав, Сара; Пасанюк, Богдан (2017). «Локальная генетическая корреляция дает представление об общей генетической архитектуре сложных признаков» . Американский журнал генетики человека . 101 (5): 737–751. дои : 10.1016/j.ajhg.2017.09.022 . ПМЦ   5673668 . ПМИД   29100087 .
  67. ^ Постума, Даниэль; Бумсма, Доррет И. (2000). «Заметка о статистической мощности в конструкциях расширенных двойников» (PDF) . Генетика поведения . 30 (2): 147–158. дои : 10.1023/А:1001959306025 . ПМИД   10979605 . S2CID   14920235 . Архивировано из оригинала (PDF) 11 сентября 2016 г. Проверено 24 октября 2016 г.
  68. ^ ДеФрис, Дж. К., Пломин, Роберт, ЛаБуда, Мишель К. (1987). «Генетическая стабильность когнитивного развития от детства до взрослой жизни» (PDF) . Психология развития . 23 (1): 4–12. дои : 10.1037/0012-1649.23.1.4 . {{cite journal}}: CS1 maint: несколько имен: список авторов ( ссылка )
  69. ^ Рэй, Наоми Р.; Ли, Сан Хонг; Кендлер, Кеннет С. (2012). «Влияние диагностической ошибки классификации на оценку генетических корреляций с использованием полногеномных генотипов» . Европейский журнал генетики человека . 20 (6): 668–674. дои : 10.1038/ejhg.2011.257 . ПМЦ   3355255 . ПМИД   22258521 .
  70. ^ Фальконер , стр. 317–318.
  71. ^ Шмитт, Дж. Э.; Эйлер, LT; Гидд, Дж. Н.; Кремень, WS; Кендлер, Канзас; Нил, MC (2007). «Обзор близнецовых и семейных исследований нейроанатомических фенотипов и типичного развития нервной системы» . Исследования близнецов и генетика человека . 10 (5): 683–694. дои : 10.1375/twin.10.5.683 . ПМК   4038708 . ПМИД   17903108 .
  72. ^ Алмаси, Л.; Дайер, Т.Д.; Бланджеро, Дж. (1997). «Двумерный количественный анализ связей признаков: плейотропия против случайных связей». Генетическая эпидемиология . 14 (6): 953–8. doi : 10.1002/(SICI)1098-2272(1997)14:6<953::AID-GEPI65>3.0.CO;2-K . ПМИД   9433606 . S2CID   34841607 .
  73. ^ Хит, AC; Нил, MC; Хьюитт, Дж. К.; Ивз, LJ; Фулкер, Д.В. (1989). «Тестирование моделей структурных уравнений для данных-близнецов с использованием LISREL». Генетика поведения . 19 (1): 9–35. дои : 10.1007/BF01065881 . ПМИД   2712816 . S2CID   46155044 .

Цитируемые источники

[ редактировать ]
[ редактировать ]
Retrieved from "https://en.wikipedia.org/w/index.php?title=Genetic_correlation&oldid=1233262211"
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: bd08d4625ec43b62117e0b515770a120__1720402500
URL1:https://arc.ask3.ru/arc/aa/bd/20/bd08d4625ec43b62117e0b515770a120.html
Заголовок, (Title) документа по адресу, URL1:
Genetic correlation - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)