On the analysis of genetic association with long-read sequencing data
Notice bibliographique
Résumé
Long-read sequencing (LRS) technologies have enhanced the ability to resolve complex genomic architecture and determine the 'phase' relationships of genetic variants over long distances. Although genome-wide association studies (GWAS) identify individual variants associated with complex traits, they do not typically account for whether multiple associated signals at a locus may act in cis or trans, or whether they reflect allelic heterogeneity. As a result, effects that arise specifically from phase relationships may remain hidden in analyses using short-read and microarray data. While the advent of LRS has enabled accurate measurement of phase in population cohorts, statistical methods that leverage phase in genetic association analysis remain underdeveloped. Here, we introduce the Regression on Phase (RoP) method, which directly models cis and trans phase effects between variants under a regression framework. In simulations, RoP outperforms genotype interaction tests that detect phase effects indirectly, and distinguishes in-cis from in-trans phase effects. We implemented RoP at two cystic fibrosis (CF) modifier loci discovered by GWAS. At the chromosome 7q35 trypsinogen locus, RoP confirmed that two variants contributed independently (allelic heterogeneity). At the SLC6A14 locus on chromosome X, phase analysis uncovered a coordinated regulatory mechanism in which a promoter variant modulates lung phenotypes in individuals with CF when acting in cis with a lung-specific enhancer (E2765449/enhD). This coordinated regulation was confirmed in functional studies. These findings highlight the potential of leveraging phase information from LRS in genetic association studies. Analyzing phase effects with RoP can provide deeper insights into the complex genetic architectures underlying disease phenotypes, ultimately guiding more informed functional investigations and potentially revealing new therapeutic targets.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».