에서 상속 가능성 101 우리는 정의된 상속 가능성으로”비율에 변화의 특성을 설명해 상속된 유전자 변형이 있습니다.”에서 연습을 우리는 종종에 의존하고 변화의 이 정의에서,부분의 차이점 때문에 이 이상적인 개념의 상속 가능성과 현실은 우리가 무엇을 할 수 있는 실제로 추정입니다., 이 글에서는 우리 중 일부를 설명의 다른”향료”의 유전율,그리고 방법들을 추정할 수 있습니다,의 최종 목표로 설명하는 어떤 형태의 상속 가능성 우리가 보고에서 데이터의 영국 바이오 뱅크.
빠른 버전:
우리의 영국 바이오 뱅크 분석은 추\(h^2_g\)또는 SNP-상속 가능성., 이것은 비율의 변동에서는 특성을 설명할 수 있는 첨가물의 효과적으로 발생하는 유전자 변형이라고 Snp(하나의 베이스에서 변경 DNA sequence),그래서 그것은 거의 항상보다 적은 총 유전율\((H^2)\)할 수 있는 설명되지는 모든 유전적 요소입니다.
우리는 ld 점수 회귀(LDSR)라는 방법을 사용하여\(h^2_g\)를 추정하고 있습니다.,
측정하는 변형
에 대해 이야기하기 전에 다른 맛의 유전율,유용한 정의는 우리가 무엇을 의미하”변형”우리가 말한 것처럼”비율에 변화의 특성을 설명”에 의해 무언가이다.
여기서”variation”이라고 말할 때,우리는”variance”의 수학적 개념을 언급하고 있습니다. 분산은 그룹의 사람들간에 특성이 얼마나 다른지를 측정하는 일반적인 측정 기준입니다. 공식적으로 무작위로 선택된 사람과”평균”사람 사이의 평균 제곱 차이입니다., 예를 들어,에서 모든 남자와 여자는 영국에서 바이오 뱅크의 분산을 높이는 인치입니다 13.3(86.0 에 대한 높이에서 센티미터),에 해당하는 표준 편차 3.7 인치(9.3cm)입니다. 표준 편차는 단순히 분산의 제곱근입니다.
통계학자 같은 이야기에 대한 분산(반대하여 더욱 직관적인 측정과 같은 범위 또는 절대 평균 편차에서 평균)기 때문에 그것은 멋진 수학적 속성입니다., 특히,당신이하는 결과를 만들어내는 것을 합의 효과 독립적인 소스에서(말처럼,유전자와 환경)의 분산을 효과 각 소스에서까지 추가 분산의 결과입니다. 휴식 수 있는 최대 총 차이의 특성이 서로 다른 조각으로는 이 방법은 매우 유용하고 싶을 때 우리는 이야기를 시작”에 대한 비율의 차이에 의해 설명 유전”,우리는 것이 아래를 참조하십시오.
마지막으로,이야기에 대해 분산을 암시적으로 우리가 얘기하는 그룹 또는 인구의 개인이다., 단 한 사람 만있는 사람들 사이에 평균적인 차이가있을 수는 없습니다. 으로 우리가 강조하에 상속 가능성 101,즉 때마다 우리는 이야기에 대해 상속 가능성 우리가 얘기하는 변형에 일부 인구의 개인지에 대한 유전학을 결정하는 어떤 비율의 특성에 개인합니다.
“을 설명하”분산
그것은 또한 가치가있을 명확히 기타 반”이라는 문구의 비율에 변화의 특성에 의해 설명”,즉 우리가 무엇을 의미해”라고 설명”., 이 경우에는 변동이””설명한 유전자에 의해 분산할 수 있는 기초하여 예측에 유전자 데이터가 있으면 우리는 완벽한 정보의 효과에 대한 모든 유전자 변형(는 명확히 하자면,우리는 돈으로 사용하실 수 있습니다.).
경우 본 문구가”상관지인”,문제는 우리는”다시 여기를 참조하고 왜 우리가지 않는 단순히 말하는 비율의 차이에 의해 발생 유전 효과., 우리는 가까운 원인이기 때문에 매우 안전하다고 가정의 유전적 특성이 없을 일으키는 유전자 변형,이후로 우리의 유전자에 개념(예외로의 취득한 돌연변이와 같이 볼 수 있는 것에서 암). 그러나 유전 적 변이체가 형질에 직접적인 인과 적 영향을 미치는 환경 적 요인과 상관 관계가있는 것은 가능하다. 하는 것을 의미하지 않는 유전지 않은 중요하고 유익한 정보는 특성,하지만 그것이 의미하는 조심해야에 대해 설명하 효과로 인도에서의 유전학., 그래서 예방책으로 만들기에 대해 모든 조제표에 대한 인과관계를 우리는”에 초점을 설명하”분산을 대신 합니다.
광범위한 감각 상속 가능성
우리는 세 가지 중요한 관찰에 대해 이 정의합니다. 첫째,특정 유전 효과가\(𝜎^2_G\)에 어떻게 기여하는지에 대해 전적으로 유연합니다., 광범위한 감\(H^2\)걱정하지 않는\(𝜎^2_G\)에서 온 단 하나 멘델의 변형에서 단지 하나의 유전자,또는 소 첨가제 효과에서 개에서 100 개의 다른 유전자,또는 복잡한 상호작용 사이의 모든 변종에서 온 게놈. 우리는 이것이 broad-sense\(H^2\)와 다른 유형의 유전성 사이의 중요한 구별이라는 것을 아래에서 살펴볼 것입니다.
$$H^2=\frac{\sigma^2_G}{\sigma^2_G+\sigma^2_e}$$그러나 그 가정은 필요하지 않습니다., 기록하여 분모십시오(𝜎^2_P\)우리는 할 수 있는 가능성은 유전적 및 환경적 요인 상관관계 또는 상호 작용에는 몇 가지 방법입니다. 이것은 중요하기 때문이는 효과 환경의 특성에 되지 않는 단순히 나머지””후계에 대한 모든 유전 효과를 대신,그들은 중복 및 상호 작용에서 복잡한 방법이다.
좁은 의미 상속 가능성
연습,유연의 광범위한 감\(H^2\)을 추정하지 않고 강력한 모델 예측제어 등을 다룬다., 도에 대한 효과의 가능한 상호 작용 가능한 모든 유전자 변형을 의미를 갖는 기능적으로 무한한 공간의 가능한 한 효과. 하나는 유용한 방법으로 단순화하이 생각하는 총액의 차이에 의해 설명 유전학의 조합으로 첨가제 효과,지배적/효과 열성,그리고 상호 작용이 다른 변형이 있습니다. $$\sigma^2_G=\sigma^2_A+\sigma^2_D+\sigma^2_I$$
역사적으로,가장 과학적인 논의의 유전율이 다른 특성에 초점을 맞추고있\(h^2\)., 하나의 좋은 기능\(h^2\)은 그것이 의미하는 간단하 사이의 관계를 사이에 어떻게 유전자 변형과 관련된 두 사람이는 방법과 유사한 특성에 대한 것이 그 두 사람들입니다. 우리는이 관계를 사용하여 쌍둥이 및 가족 연구에서\(h^2\)를 추정 할 수 있습니다.
에서는 가장 간단한 경우,우리는 비교할 수 있습니다 일란성 쌍둥이(종종”이라고 동일한”또는 MZ 쌍둥이)에 란(“형제”또는 DZ)쌍둥이가 있습니다. MZ 쌍둥이는 모든 DNA 를 공유했지만 DZ 쌍둥이는 평균적으로 DNA 의 절반을 공유합니다., 쌍둥이는 또한 MZ 또는 DZ 인지 여부에 관계없이 동일한 환경을 크게 공유합니다. 그래서 예측\(h^2\)우리가 관찰할 수 있는 방법에 상관 특성은 쌍의 사 MZ 쌍둥이와 어떻게 연관 특성은 사 DZ 쌍둥이고 보면 사람들의 상관관계는 다릅니다. 는 경우 MZ 쌍둥이와 쌍들은 높은 유전 유사성은 더 강한 상관 관계보다 DZ 쌍쌍,는 유전학의 일부를 설명합 분산에서의 특성이 있습니다.
가 있었 수십 년의 과학적인 연구에서는 유전율이 인간의 특성을 이용하여 일반적인 접근 방식이다., Helpfully,최근에는 노력에 의해 다니엘 Posthuma 고 동료들을 함께 풀 많은 이 작업의 하나로 웹을 탐색할 수 있는 트윈 기반의 추정\(h^2\)의 다양한 특성입니다.
SNP-상속 가능성
위의 맛의 유전율이라”유전 효과를”개념적으로 필요없이 고려의 특정한 유전자 변형 및 그들의 연합 특성이 있습니다., 지금 하는 유전학의 발전이 가능하게 만들었다 실제로 데이터를 수집에 이러한 특정 변종이 있을 평가할 수 있는 기회를 얼마나 많은 이러한 각각의 관찰 개에 기여하는 유전율.
특히 우리 중 하나를 고려할 수 있습 유형의 유전자 변형이라고 하는 다형성 뉴클레오티드(SNP),는 변경 하나의 기초 쌍의 DNA 에서 특정 위치에 있는 게놈. 예를 들어,어떤 사람들은 그 위치에 A 를 가질 수 있고 다른 사람들은 G 를 가질 수 있습니다., 의 수백만 있에서 이러한 위치를 게놈는 일반적으로 다른 사람들고 현재 연구에서는 인간의 유전학에 초점을 맞춘 영향을 이해하는 이들의 변형이 있습니다.
\(h^2_g\)의 두 가지 주요 기능을 강조 할 가치가 있습니다. 먼저 SNPs”S”의 일부 세트를 기반으로\(h^2_g\)를 정의했음을 알 수 있습니다. 실제로,이 Snp 세트는(a)관찰 된 SNP 데이터와(b)\(h^2_g\)추정에 사용 된 방법에 의존 할 것입니다., 이것은 까다로운 값을 비교하의\(h^2_g\)사이의 다른 방법이고 다른 연구지만,대부분의 경우 안전하다 적어도 가정을 참조하여 일반적으로 발생하는 Snp. 두 번째,분산에 의해 설명 Snp 수 있습니다 또는 반영하지 않을 수도 있습의 효과들 특히 Snp 반대의 효과는 다른 유전자 변형 Snp 상관되어 있다., 이것은 단지 확장자의 우리의 이전 토론 위에 대한 의미의 차이””설명했지만,그만한 가치가 있는 것을 되풀이 될 것이기 때문에 쉽게를 잘못 해석 SNP-상속 가능성으로 완전히 제외하고 효과 인과 다른 유형의 유전자 변형입니다.
관찰 된 Snp 로부터\(h^2_g\)를 추정하기 위해 개발 된 몇 가지 다른 방법이 있습니다. 실제로 우리는 진정한\(𝛽_j\)를 알지 못하므로 다른 트릭을 사용해야합니다., 첫번째 방식으로 알려진 GREML(Genomic relatedness 모체 제한 최대 우도,일반적으로 구현 GCTA),사용 Snp 를 추적 유사성이 개인과 비교하여 그들의 특성이 비슷하다. 이것은 비슷한 개념을 기반으로 추정은 위에서 설명하지만,사용하는 관찰되는 낮은 수준의 유전자는 유사성에 SNP 데이터에서는 개인지 직접 관련이 있습니다. 당신은 여기에 더 최근의 검토와 함께 여기에 통계 세부 사항에 대해 읽을 수 있습니다.,
두 번째 접근법은 ldsc 에서 구현 된 linkage disequilibrium(LD)점수 회귀라고합니다. 이것은 우리가 영국 바이오 뱅크 데이터 세트에 적용하는 방법입니다. LD 점수 회귀분석에 따라 달라집 키를 관측하는 일부 Snp 상관으로(즉,에 LD)다른 유전자 변형,그래서 관찰하는 SNP 에””태그에 대한 정보의 효과 기타 변형이 있습니다. 기본 아이디어는 게놈을 가로 질러 확산되는 작은 유전 적 효과가 많고 많다면(즉,, 의 특성은”polygenic”),그의 힘 사이의 관계 각 SNP 및 특성해야(평균)에 비례하는 방법을 많은 총 유전자 변형을 SNP 태그가 있습니다. LD 점수 회귀 방법에 대한 통계적 세부 사항은 여기에서 찾을 수 있습니다.