Prioritization of regulatory variants with tissue-specific function in the non-coding regions of human genome.
Prioritization of regulatory variants with tissue-specific function in the non-coding regions of human genome.
复制标题
DOI：
10.1093/nar/gkab924
复制
发表时间：
2022-01-11
影响因子：
14.9
通讯作者：
Boyle AP
中科院分区：
文献类型：
--
作者：
Dong S;Boyle AP
了解人类基因组非编码区遗传变异的功能后果仍然是一个挑战。我们引入了一个计算工具，TURF，通过利用来自功能基因组学实验的证据，包括来自RegulomeDB数据库中提供的ENCODE项目的3000多个功能基因组学数据集，优先考虑具有组织特异性功能的调节变体。TURF能够在生物体和组织/器官特异性水平上为基因组上的任何非编码变体生成预测评分。我们提出，通过使用MPRA实验验证的变体，TURF在预测中具有整体最佳性能。我们还演示了如何TURF可以挑选出的组织特异性功能的候选人名单从关联研究的监管变异。此外，我们发现，各种GWAS性状显示了在性状相关器官中由TURF分数预测的调控变体的富集，这表明这些变体可以为未来的研究提供有价值的来源。
Understanding the functional consequences of genetic variation in the non-coding regions of the human genome remains a challenge. We introduce h ere a computational tool, TURF, to prioritize regulatory variants with tissue-specific function by leveraging evidence from functional genomics experiments, including over 3000 functional genomics datasets from the ENCODE project provided in the RegulomeDB database. TURF is able to generate prediction scores at both organism and tissue/organ-specific levels for any non-coding variant on the genome. We present that TURF has an overall top performance in prediction by using validated variants from MPRA experiments. We also demonstrate how TURF can pick out the regulatory variants with tissue-specific function over a candidate list from associate studies. Furthermore, we found that various GWAS traits showed the enrichment of regulatory variants predicted by TURF scores in the trait-relevant organs, which indicates that these variants can be a valuable source for future studies.
登录
查看更多内容
DOI：
10.1126/science.1183621
发表时间：
2010-04-09
期刊：
Science (New York, N.Y.)
影响因子：
--
作者：
Kasowski M;Grubert F;Heffelfinger C;Hariharan M;Asabere A;Waszak SM;Habegger L;Rozowsky J;Shi M;Urban AE;Hong MY;Karczewski KJ;Huber W;Weissman SM;Gerstein MB;Korbel JO;Snyder M
通讯作者：
Snyder M
影响因子：
7
作者：
Boyle AP;Hong EL;Hariharan M;Cheng Y;Schaub MA;Kasowski M;Karczewski KJ;Park J;Hitz BC;Weng S;Cherry JM;Snyder M
通讯作者：
Snyder M
影响因子：
14.9
作者：
Buniello, Annalisa;MacArthur, Jacqueline A. L.;Parkinson, Helen
通讯作者：
Parkinson, Helen
影响因子：
30.8
作者：
Kircher, Martin;Witten, Daniela M.;Jain, Preti;O'Roak, Brian J.;Cooper, Gregory M.;Shendure, Jay
通讯作者：
Shendure, Jay
影响因子：
12.3
作者：
Li MJ;Li M;Liu Z;Yan B;Pan Z;Huang D;Liang Q;Ying D;Xu F;Yao H;Wang P;Kocher JA;Xia Z;Sham PC;Liu JS;Wang J
通讯作者：
Wang J