Description du projet
Augmenter le pouvoir statistique des études génomiques pour comprendre les maladies humaines
Dans la génétique humaine, une étude d’association à l’échelle du génome examine généralement les liens entre le polymorphisme de nucléotides uniques et les caractères héréditaires, y compris la prédisposition à d’importantes maladies. Toutefois, l’impact des variantes génétiques rares est mal compris et les données ainsi que les outils analytiques actuellement disponibles ne suffisent pas pour étudier cette catégorie de variation. L’objectif du projet ARGPHENO, financé par l’UE, consiste à développer de nouvelles méthodes informatiques pour évaluer les caractéristiques phénotypiques des variations génétiques rares. Le projet ciblera des méthodes afin de reconstruire précisément la généalogie en recourant à des données de séquençage pour identifier ultérieurement des variations génétiques rares et leurs caractéristiques héréditaires, ainsi que leur association avec des variations génétiques communes.
Objectif
Large-scale genome-wide association studies (GWAS) have yielded thousands of genetic as-sociations to heritable traits, but for most common diseases, these signals collectively explain only a small fraction of phenotypic variation. The phenotypic impact of recent, rare genetic variants, in particular, is poorly understood, but currently available data sets and analytical tools cannot be used to effectively study this class of variation. To address this problem, we propose to develop new computational methodology that will enable studying the phenotypic role of recent, rare genetic variation. This will improve our understanding of the architecture of heritable complex traits, inform the design of future studies, and increase our ability to detect novel associations.
This project will address three specific aims. The first aim is to devise new methods to accurately reconstruct the complex network of genealogical relationships of individuals using high/low-coverage sequencing or microarray data. The second is to leverage these genealogical structures to infer the presence of unobserved genetic variation, with the goal of analyzing variance components of narrow sense heritability attributable to rare variants and studying the evolutionary history of heritable traits. Finally, in the third aim, we will develop new approaches to detect association to both rare and common variants, increasing the statistical power of GWAS methodology.
Champ scientifique
Mots‑clés
Programme(s)
Thème(s)
Régime de financement
ERC-STG - Starting GrantInstitution d’accueil
OX1 2JD Oxford
Royaume-Uni