全基因组关联研究

全基因组关联研究(GWAS)，系统的快速扫描的方法人类基因组对于遗传变异，目的是确定变异与特定疾病之间的联系。全基因组关联研究通常集中在被称为单核苷酸多态性(SNPs)，并被设计成允许研究人员一次性调查大量个体中数百或数千个SNPs的方式。在基因组中发现的变异不仅可用于评估疾病风险，还可用于评估其他因素，如对某些治疗药物的反应。

发展

全基因组关联研究在21世纪初首次使用，与该研究的完成同步人类基因组计划和国际HapMap计划随着计算机数据库的发展，能够存储完整的人类基因组序列和已知的变异。随后，全基因组关联研究应用的增长——以及计算需求的相应增长——推动了改进数据管理系统的发展。特别重要的是转向使用更高性能的计算技术，特别是云分布式计算系统，这些系统能够存储令人难以置信的大量数据促进数据共享、检索和处理。

方法

一般来说，为了确定统计上有意义的关联，全基因组关联研究需要大样本量，通常由数万个个体组成，数据来自于基因型(基因组成)。根据感兴趣的问题，可以使用不同的研究设计。例如，病例对照研究通过比较患者的数据和健康对照的数据来寻找关联。另一方面，定量研究则是寻找自然种群中不断变化的性状之间的关联(例如，血压和重量)。全基因组关联研究进一步集中于人群或家庭群体;基于家庭的研究使研究人员能够应用关联分析，这是一种识别之间关联的强大手段继承了遗传因素和疾病。

全基因组关联研究的数据可能来自定制的研究队列或预先存在的或公开可用的资源，如生物库。在这些资源中已经可用或在队列研究中获得的基因型数据通常来自微阵列分析(一种识别常见变异的有效手段)或下一代测序，如全基因组测序，可以捕获常见和罕见的变异。在全基因组关联研究中包含的个体数据通常经过广泛的质量控制测试，以消除缺陷，如基因分型错误，然后再进行关联测试。

应用和限制

全基因组关联研究有多种应用。一般来说，这类研究的结果用于预测疾病风险、了解疾病和其他特征的遗传基础，以及了解遗传变异的生物学作用。全基因组关联研究特别感兴趣的领域，如个性化医疗而且治疗，基因型信息可用于评估个人的疾病风险并提供信息治疗决策。

全基因组关联研究的一般结论是，许多个体变异有助于复杂的性状。例如，超过125个基因变异与精神分裂症这些变异在类型和对疾病风险的贡献上有所不同。全基因组关联研究在治疗学领域成功应用的一个例子是对丙型肝炎在该研究中，对感染个体的HCV进行分析，揭示了与HCV反应相关的snp抗病毒药sofosbuvir。这一发现表明HCV基因分型结果可用于指导HCV感染患者的治疗决策。

尽管全基因组关联研究已经成功地确定了SNPs和疾病之间的联系，并揭示了生物学途径，但大多数已确定的变异并没有提供对疾病的新见解。而且，这些研究，通过连接数百甚至数千个变体到常见疾病，最终可以识别并将特定组织中每个活跃DNA区域的一个或多个变体与疾病联系起来。在对生物化学途径缺乏更全面的了解的情况下，识别如此多的变异——大多数与疾病的相关性有限——将给解释全基因组关联研究的发现带来不可克服的复杂性。