全基因組關(guān)聯(lián)研究（GWAS）已經(jīng)確定了數(shù)千種與許多復(fù)雜特征相關(guān)的遺傳變異锦溪。然而忧饭，它們的生物學(xué)機(jī)制在很大程度上仍然是未知的攻谁。最近提出的全轉(zhuǎn)錄組關(guān)聯(lián)分析（transcriptome-wide association studies劫拗，TWAS）是研究與變異性狀關(guān)聯(lián)的潛在基因調(diào)控機(jī)制的寶貴工具辜妓。具體來說为居，TWAS整合了GWAS和基于一組共同變異的表達(dá)圖譜研究碌宴，旨在確定其GReX與表型相關(guān)的基因。目前已經(jīng)開發(fā)了各種方法或軟件（如PrediXcan蒙畴，S-prediXcan贰镣，F(xiàn)usion，UTMOST）來執(zhí)行TWAS綜合分析忍抽。為了解決不同的生物學(xué)問題八孝，每一種分析方法或者軟件都有不同的建模假設(shè)。在生物醫(yī)學(xué)研究中鸠项，TWAS已經(jīng)成功應(yīng)用于多種疾病干跛，如精神分裂癥，乳腺癌祟绊，前列腺癌楼入，低密度脂蛋白膽固醇和克羅恩氏病等疾病中哥捕。
TWAS分析優(yōu)勢
與全基因組關(guān)聯(lián)研究相比，TWAS研究策略具有以下優(yōu)點：
- 與SNP相比嘉熊，基于基因的分析具有更低的多重比較壓力遥赚。
- 分析結(jié)果以特定基因而非SNP的形式呈現(xiàn),基因的生物學(xué)意義更為直接，便于后續(xù)的功能研究和結(jié)果轉(zhuǎn)化阐肤。
- GTEx數(shù)據(jù)庫提供了極為豐富的基因組和轉(zhuǎn)錄組數(shù)據(jù)凫佛。研究人員可以使用各種人體組織和細(xì)胞數(shù)據(jù)作為參考面板來構(gòu)建模型。從GWAS到TWAS的過渡無需額外的樣本測試即可實現(xiàn)孕惜。
- TWAS研究中使用了越來越成熟的人工智能分析方法愧薛，并且預(yù)測結(jié)果變得越來越準(zhǔn)確。
最近的研究進(jìn)展包括多組織TWAS的應(yīng)用衫画，這種方法在不同組織中整合了eQTL和剪接量性狀位點（sQTL）的數(shù)據(jù)毫炉，以識別與乳腺癌亞型相關(guān)的基因。這類研究顯示削罩，通過這種綜合分析方法瞄勾，可以發(fā)現(xiàn)許多之前未被報告的與疾病相關(guān)的基因和變異。
此外弥激，TWAS研究的一個關(guān)鍵發(fā)展是TWAS Atlas數(shù)據(jù)庫的建立进陡，它是一個整合了廣泛文獻(xiàn)中TWAS發(fā)現(xiàn)的知識庫。這個數(shù)據(jù)庫收集了來自200篇出版物的401,266個高質(zhì)量的人類基因-性狀關(guān)聯(lián)微服，涵蓋了22,247個基因和257個性狀四濒，這為研究者提供了一個強(qiáng)大的資源來探索基因和性狀之間的復(fù)雜關(guān)系
