天津工生所等基因组数据整合研究获系列进展
随着人类基因组计划(Human genome project, HGP)和高通量生物芯片技术的成功研发，人们广泛利用高通量全基因组生物芯片的技术手段，采用全基因组关联研究（Genome-Wide Association Studies, GWAS）的方法筛选复杂疾病易感多态（Single Nucleotide Polymorphism，SNP），取得了前所未有的成就。这些易感多态最初在欧美人群中首先被报道与疾病显著相关，但是在后期其它群体候选研究中却出现了不一致的结果。
中国科学院天津工业生物技术研究所陈祖耕研究组（基因组分析实验室）研究人员认为，造成这种结果的不一致性可能是由于以下两个原因：第一，和初始欧美人群的大量的样本量相比，其它群体的小样本量没有足够的统计效能去识别显著的疾病关联。第二，不同群体之间存在着遗传的异质性，在一个群体中关联的多态未必在另外一个群体中显著相关。
为了验证这一观点，天津工生所基因组分析实验室联合广东医学院和哈尔滨医科大学等单位的多位研究人员，以阿尔茨海默病(Alzheimer’s disease, AD)为例，通过大量的文献检索，选择了PICALM 基因 rs3851179 多态，CLU 基因 rs11136000 多态，BIN1 基因 rs744373 多态和ABCA7基因 rs3764650 多态做为研究目标，对相关文献数据进行了异质性检验（Heterogeneity test），采用固定效应模型 fixed effect model (Mantel-Haenszel) 或者随机效应模型random-effect model (DerSimonian-Laird)，对得到的文献数据进行整合研究（Meta-analysis），并进行了敏感性分析和出版性偏倚分析（Sensitivity and publication bias analyses）。研究结果表明，不同群体研究结果的不一致性是由于少量的样本量所引起，通过整合分析，研究人员识别出更加显著可靠的结果。
研究成果相继发表于Neurobiology of Aging，NeuroMolecular Medicine，Neuroscience Letters和Molecular Neurobiology.。该系列研究工作获得了国家自然科学基金（81300945, 31200934, 31171219, 81271213, 81070878, 81271214, 和 81261120404）、广东省自然科学基金（No S2012010008222）和广东医学院科技创新基金（No. STIF 201101）的支持。
天津工生所基因组分析实验室助理研究员刘桂友为以上论文的第一作者。
