Graph theoretical approach to study eQTL: a case study of Plasmodium falciparum.
Graph theoretical approach to study eQTL: a case study of Plasmodium falciparum.
复制标题
DOI：
10.1093/bioinformatics/btp189
复制
发表时间：
2009-06-15
期刊：
影响因子：
--
通讯作者：
Przytycka TM
中科院分区：
文献类型：
--
作者：
Huang Y;Wuchty S;Ferdig MT;Przytycka TM
动机：表达数量性状基因座（eQTL）的分析对基因调控程序的确定有很大贡献。然而，基因表达水平及其潜在序列多态性关联的发现和分析仍然面临许多挑战。方法在阐明 eQTL 数据的完整结构方面的能力有限。大多数依赖于详尽的基因组规模搜索，考虑所有可能的基因座-基因对并测试每个基因座和基因之间的联系。结果：为了以更全面、更有效的方式分析 eQTL，我们开发了基于图的 eQTL 分解方法 (GeD)，该方法允许我们使用 eQTL 关联图对基因型和表达数据进行建模。通过基于图的启发法，GeD 识别 eQTL 关联图中的密集子图。通过识别暴露基因型和表达数据隐藏结构的 eQTL 关联集团，GeD 有效地过滤掉大多数不太可能具有显着连锁的基因座-基因对。我们将 GeD 应用于人类疟原虫恶性疟原虫的 eQTL 数据，并表明 GeD 揭示了全基因组水平上所有基因座和所有基因之间关系的结构。此外，GeD 使我们能够发现具有较低 FDR 的其他 eQTL，为传统 eQTL 分析方法提供了重要的补充。联系方式：przytyck@ncbi.nlm.nih.gov
Motivation: Analysis of expression quantitative trait loci (eQTL) significantly contributes to the determination of gene regulation programs. However, the discovery and analysis of associations of gene expression levels and their underlying sequence polymorphisms continue to pose many challenges. Methods are limited in their ability to illuminate the full structure of the eQTL data. Most rely on an exhaustive, genome scale search that considers all possible locus–gene pairs and tests the linkage between each locus and gene. Result: To analyze eQTLs in a more comprehensive and efficient way, we developed the Graph based eQTL Decomposition method (GeD) that allows us to model genotype and expression data using an eQTL association graph. Through graph-based heuristics, GeD identifies dense subgraphs in the eQTL association graph. By identifying eQTL association cliques that expose the hidden structure of genotype and expression data, GeD effectively filters out most locus–gene pairs that are unlikely to have significant linkage. We apply GeD on eQTL data from Plasmodium falciparum, the human malaria parasite, and show that GeD reveals the structure of the relationship between all loci and all genes on a whole genome level. Furthermore, GeD allows us to uncover additional eQTLs with lower FDR, providing an important complement to traditional eQTL analysis methods. Contact: przytyck@ncbi.nlm.nih.gov
登录
查看更多内容
影响因子：
9.8
作者：
Gonzales JM;Patel JJ;Ponmee N;Jiang L;Tan A;Maher SP;Wuchty S;Rathod PK;Ferdig MT
通讯作者：
Ferdig MT
影响因子：
9.8
作者：
Storey JD;Akey JM;Kruglyak L
通讯作者：
Kruglyak L
影响因子：
30.8
作者：
Bystrykh, L;Weersing, E;de Haan, G
通讯作者：
de Haan, G
影响因子：
30.8
作者：
Chesler, EJ;Lu, L;Williams, RW
通讯作者：
Williams, RW
影响因子：
30.8
作者：
Yvert, G;Brem, RB;Kruglyak, L
通讯作者：
Kruglyak, L