心理所探索全基因组关联学习在复杂疾病研究中的发展方向与趋势

关联定位分析能够成功地识别与很多疾病相关联的单核苷酸多态性（SNP）位点。然而，该类方法所发现的遗传突变并不能完全解释实际体现出的遗传性，这使得研究人员重新对连锁分析方法产生了兴趣，并希望通过连锁分析来检测低频率变异。家系设计可以控制群体分层，研究等位基因的父母起源效应问题，以及其他一些在病例-对照关联分析中并没有能够有效解决的问题。

基于目前的研究状况，中国科学院心理健康重点实验室Jurg Ott教授应国际著名杂志《Nature Reviews Genetics》的邀请撰写了题为“基于家系数据的全基因组关联学习”的综述文章。本文引领读者了解连锁分析与关联分析之间的区别与联系，综述了连锁分析和关联分析中的新方法和新的应用，并指出了连锁分析和关联分析在遗传学研究中的发展方向及趋势。

Jurg Ott教授在文章中首先简要讨论了连锁分析的基本原理及方法，随后介绍了一些重要的基于家系数据的分析方法，包括著名的传递不平衡（TDT）检验，以及连锁分析与关联分析相结合的方法等。随着现代全基因组测序技术被应用于小数量样本，连锁分析方法变得尤为重要。Jurg Ott教授还指出，通常来讲，将连锁分析与关联分析方法相结合的策略在发现和鉴定完整的疾病相关突变位点的应用中体现最佳的稳健性和统计势。另外，采用基于家系数据的实验设计会增强这种连锁分析与关联分析相结合的方法的性能。

Jurt Ott教授的此篇综述文章为揭示复杂疾病的遗传机理研究提供了崭新的视角，将对相关领域的研究人员起到重要的指导作用。

这项工作部分由国家自然科学基金（30730057）资助。