Haplotype là gì? Các công bố khoa học về Haplotype

Chúng tôi trình bày một khung nghiên cứu về sự biến đổi phân tử trong một loài. Dữ liệu về sự khác biệt giữa các haplotype DNA đã được tích hợp vào một định dạng phân tích phương sai, xuất phát từ ma trận khoảng cách bình phương giữa tất cả các cặp haplotype. Phân tích phương sai phân tử (AMOVA) này cung cấp các ước tính về thành phần phương sai và các đồng vị thống kê F, được gọi là phi-statistics, phản ánh sự tương quan của độ đa dạng haplotype ở các cấp độ phân chia thứ bậc khác nhau. Phương pháp này khá linh hoạt để thích ứng với các ma trận đầu vào thay thế, tương ứng với các loại dữ liệu phân tử khác nhau, cũng như các giả định tiến hóa khác nhau, mà không làm thay đổi cấu trúc cơ bản của phân tích. Ý nghĩa của các thành phần phương sai và phi-statistics được kiểm định bằng cách tiếp cận hoán vị, loại bỏ giả định về chuẩn tính thông thường trong phân tích phương sai nhưng không phù hợp cho dữ liệu phân tử. Áp dụng AMOVA cho dữ liệu haplotype DNA ty thể của con người cho thấy, sự phân chia dân số được giải quyết tốt hơn khi một số biện pháp khác biệt phân tử giữa các haplotype được đưa vào phân tích. Tuy nhiên, ở cấp độ nội bộ loài, thông tin bổ sung từ việc biết quan hệ phân loại chính xác giữa các haplotype hoặc thông qua việc dịch phi tuyến thay đổi vị trí hạn chế thành độ đa dạng nucleotide không làm thay đổi đáng kể cấu trúc di truyền dân số suy luận. Các nghiên cứu Monte Carlo cho thấy việc lấy mẫu vị trí không ảnh hưởng căn bản tới ý nghĩa của các thành phần phương sai phân tử. Việc xử lý AMOVA dễ dàng mở rộng theo nhiều hướng khác nhau và cấu thành một khung hợp lý và linh hoạt cho việc phân tích thống kê dữ liệu phân tử.

Các phương pháp dựa trên haplotype cung cấp một tiếp cận mạnh mẽ trong định vị gene gây bệnh, dựa trên liên kết giữa các đột biến gây bệnh và các haplotype tổ tiên mà chúng phát sinh. Là một phần của Dự án Tần số Allele của Tổ hợp SNP, chúng tôi đặc trưng hóa các mô hình haplotype qua 51 vùng tự động (tổng cộng 13 megabases của hệ gen người) ở mẫu từ châu Phi, châu Âu, và châu Á. Chúng tôi chỉ ra rằng hệ gen người có thể được phân tích một cách khách quan thành các khối haplotype: những vùng rộng lớn mà ở đó có rất ít bằng chứng về tái tổ hợp lịch sử và trong đó chỉ quan sát được một vài haplotype thông thường. Các ranh giới của các khối và các haplotype cụ thể chứa trong chúng có mối tương quan cao giữa các quần thể. Chúng tôi chứng minh rằng các cấu trúc khung haplotype như vậy cung cấp sức mạnh thống kê đáng kể trong các nghiên cứu liên kết về biến thể di truyền phổ biến trên mỗi vùng. Kết quả của chúng tôi cung cấp cơ sở cho việc xây dựng bản đồ haplotype của hệ gen người, tạo điều kiện thuận lợi cho các nghiên cứu liên kết di truyền toàn diện về bệnh nhân."

Yếu tố hoại tử khối u α (TNFα) là một chất điều hòa miễn dịch mạnh mẽ và là cytokine có tính chất tiền viêm đã được liên kết với sự phát triển của các bệnh tự miễn và nhiễm trùng. Ví dụ, mức độ TNFα trong huyết tương có mối tương quan tích cực với mức độ nghiêm trọng và tỷ lệ tử vong trong bệnh sốt rét và bệnh leishmania. Chúng tôi đã mô tả trước đây một đa hình tại vị trí −308 trong promoter TNFα và cho thấy rằng allele hiếm gặp, TNF2, nằm trên đoạn haplotype kéo dài HLA-A1-B8-DR3-DQ2, được liên kết với tính tự miễn và khả năng sản xuất TNFα cao. Homozygote cho TNF2 có nguy cơ tử vong do sốt rét thể não tăng bảy lần. Ở đây chúng tôi chứng minh, với các gen báo cáo dưới sự điều khiển của hai promoter allelic TNF, rằng TNF2 là một chất kích hoạt phiên mã mạnh hơn nhiều so với allele phổ biến (TNF1) trong dòng tế bào B người. Phân tích vết chân bằng DNase I và chiết xuất hạt nhân tế bào B cho thấy sự tạo ra điểm nhạy cảm cao tại vị trí −308 và một khu vực bảo vệ liền kề. Không có sự khác biệt về ái lực của protein gắn DNA giữa hai allele. Những kết quả này cho thấy rằng đa hình này có tác động trực tiếp đến điều hoà gen TNFα và có thể là nguyên nhân của sự liên kết của TNF2 với kiểu hình TNFα cao và bệnh nặng hơn trong các bệnh nhiễm trùng như sốt rét và bệnh leishmania.

Các nghiên cứu liên kết toàn bộ hệ gen (GWAS) có thể xác định các alen phổ biến có đóng góp vào sự nhạy cảm với các bệnh phức tạp. Mặc dù số lượng lớn SNPs được đánh giá trong mỗi nghiên cứu, tác động của phần lớn các SNP phổ biến phải được đánh giá gián tiếp bằng cách sử dụng các dấu hiệu đã được genotyped hoặc các haplotype của chúng làm đại diện. Chúng tôi đã triển khai một khung Markov Chain hiệu quả về mặt tính toán cho việc ước tính kiểu gen và haplotyping trong gói phần mềm MaCH miễn phí có sẵn. Phương pháp tiếp cận này mô tả các nhiễm sắc thể mẫu như những hình khảm của nhau và sử dụng dữ liệu kiểu gen hiện có và chuỗi shotgun để ước tính các kiểu gen và haplotype chưa quan sát, cùng với các thước đo hữu ích về chất lượng của những ước tính này. Phương pháp của chúng tôi đã được sử dụng rộng rãi để tạo điều kiện so sánh kết quả giữa các nghiên cứu cũng như phân tích tổng hợp GWAS. Tại đây, chúng tôi sử dụng các mô phỏng và kiểu gen thực nghiệm để đánh giá độ chính xác và tính hữu ích của nó, xem xét các lựa chọn bảng genotyping, cấu hình bảng tham chiếu và các thiết kế genotyping được thay bằng chuỗi shotgun. Điều quan trọng, chúng tôi cho thấy ước tính kiểu gen không chỉ tạo điều kiện cho phân tích giữa các nghiên cứu mà còn tăng công suất của các nghiên cứu liên kết di truyền. Chúng tôi cho rằng việc ước tính kiểu gen các biến thể phổ biến bằng cách sử dụng haplotypes HapMap làm tham chiếu là rất chính xác khi sử dụng dữ liệu SNP toàn bộ hệ gen hoặc số lượng nhỏ dữ liệu điển hình trong các nghiên cứu phác thảo chi tiết hơn. Hơn nữa, chúng tôi cho thấy phương pháp này có thể áp dụng trong nhiều quần thể khác nhau. Cuối cùng, chúng tôi minh họa làm thế nào phân tích liên kết các biến thể chưa quan sát sẽ được hưởng lợi từ những tiến bộ hiện tại như các bảng tham chiếu HapMap lớn hơn và công nghệ chuỗi shotgun toàn bộ hệ gen. Genet. Epidemiol. 34: 816-834, 2010. © 2010 Wiley‐Liss, Inc.