Разработка и применение методов полногеномного анализа генетических ассоциаций сложных признаков

2

03.02.07 - генетика

Автореферат

диссертации на соискание ученой степени доктора биологических наук

Разработка и применение методов полногеномного анализа генетических ассоциаций сложных признаков

На правах рукописи

Аульченко Юрий Сергеевич

Новосибирск 2010

Работа выполнена в лаборатории рекомбинационного и сегрегационного анализа Учреждения Российской академии наук Институт цитологии и генетики Сибирского отделения РАН, г. Новосибирск, Россия

Официальные оппоненты:

доктор биологических наук, профессор

Маркель А.Л.

Институт цитологии и генетики СО РАН, г. Новосибирск

доктор биологических наук, профессор

Поляков А.В.

Медико-генетический научный центр РАМН, г. Москва

доктор биологических наук, профессор

Гуляева Л.Ф.

Научно-исследовательский институт молекулярной биологии и биофизики СО РАМН, г. Новосибирск

Ведущее учреждение:

Учреждение Российской академии Медицинских наук НИИ медицинской генетики СО РАМН, г. Томск

Защита диссертации состоится “___” ___________ 2010 г. на утреннем заседании диссертационного совета Д 003.011.01 при Институте цитологии и генетики СО РАН по адресу: 630090, Новосибирск, Россия, пр. ак. Лаврентьева, 10, тел/факс (383) 333-12-78, e-mail: dissov@bionet. nsc.ru

С диссертацией можно ознакомиться в библиотеке Института цитологии и генетики СО РАН

Автореферат разослан “___” ___________ 2010 г.

Ученый секретарь

диссертационного совета,

доктор биологических наук Т.М. Хлебодарова

Общая характеристика работы

* - оцененная в численном эксперименте частота потери аллеля / возрастания его начальной частоты в определенное число раз; ** - коэффициент вариации, оцененный как стандартное отклонение (SD), деленное на среднее значение;

*** - SD и вероятности потери, оцененные аналитически на основе популяционно-генетической теории.

Однако разница в структуре LD может привести к различию в мощности анализа в этих двух типах популяций. Поэтому далее мы анализировали эмпирические данные по генотипам полиморфных маркеров для характеризации LD в ряде генетически изолированных популяций человека.

Мы изучали LD в популяции GRIP с помощью высокополиморфных микросателлитных маркеров и провели сравнение с молодыми изолированными популяциями Палау, Микронезии (Devlin et al. 2001) и Центральной Долины Коста-Рики (Service et al. 2001) . В этих популяциях, а также в более старых популяциях, подверженных сильному генетическому дрейфу (саамы и гавои, (Varilo et al. 2000; Zavattari et al. 2000) ) распределение LD было сходным. Для синтенных локусов, неравновесие по сцеплению было найдено на больших расстояниях, что подчеркивает ценность молодых генетически изолированных популяций для картирования генов. Неравновесие по сцеплению было меньше и убывало с расстоянием быстрее в открытой популяции Великобритании и в более старых изолятах большого размера, претерпевших экспоненциальное расширение (Сардиния, Финляндия) (Varilo et al. 2000; Zavattari et al. 2000) .

В принципе, смешение с другими популяциями и дрейф могут приводить к "ложному" LD между несцепленными локусами, затрудняя полногеномный анализ ассоциаций. Однако для популяции GRIP нами было показано отсутствие статистически значимого LD между несцепленными локусами.

Далее, мы сконструировали метрические карты неравновесия по сцеплению для одиннадцати молодых и старых генетических изолятов различного размера, а также для открытой популяции (Таб.2). В целом, сравнение двенадцати популяций демонстрирует, что изолированные популяции, недавно пережившие период быстрого роста и берущие начало от небольшого числа основателей, имеют более высокий общий уровень LD, чем открытые популяции, а также имеют гораздо меньше районов очень низкого LD. Было показано, что в таких популяциях карта LD на ~20-45% короче, чем в открытых популяциях. Таким образом, следует ожидать, что при использовании одной и той же панели маркеров геномное покрытие в генетически изолированных популяциях будет лучше, чем в открытой популяции, приводя к аналогичному (~20-45%) повышению ожидаемой мощности полногеномного анализа ассоциаций. Принимая во внимание большой масштаб полногеномных исследований (тысячи образцов, генотипирование каждого из которых может быть довольно дорого),

Таб. 2. Карта LD хромосомы 22 для двенадцати популяций.

* LDU - LD units; расстояние, на котором LD падает в два раза.

исследование генетически изолированных популяций следует признать экономически выгодным.

В некоторых районах генома, которые мы назвали "пробелами", неравновесие по сцеплению падает чрезвычайно быстро, и, таким образом, в этих районах картирование с помощью анализа ассоциаций может быть затруднено. Пробелы LD были определены как промежутки размером ? 2.5 LDU (расстояние, на котором LD падает в два раза) между соседними SNP на карте LD. В целом, как и ожидалось, число пробелов LD было связано обратной зависимостью с длиной карты LD (Таб.2). Представляется вероятным, что некоторые из таких областей, обладающих, судя по всему, чрезвычайно высокой рекомбинационной частотой, не могут быть исследованы в рамках полногеномного анализа ассоциаций и будут исследованы с помощью технологий нового поколения, позволяющих ресеквенировать индивидуальные геномы.

Разработка методов генетического картирования с помощью неравновесия по сцеплению

Мы показали, что использование генетически изолированных популяций человека позволяет повысить мощность картирования. Однако полногеномный анализ ассоциаций в таких популяциях, выборки из которых представляют собой, по существу, большие родословные, требует разработки специальных методов. Сходная структура выборок - большие родословные - характерна для популяций аутбредных домашних и сельскохозяйственных животных.

Ожидается, что генетический контроль сложных признаков осуществляется множественными генами, при этом вклад каждого отдельного гена может быть невелик. Например, один из наиболее изученных локусов количественного признака (quantitative trait locus, QTL) - APOE, - достоверно и устойчиво ассоциирован с повышенным уровнем общего холестерина. Все же он объясняет лишь около 2-5% дисперсии данного признака.

При идентификации аллелей малого эффекта анализ ассоциаций потенциально имеет более высокую мощность и более высокую разрешающую способность по сравнению с классическим анализом сцепления. В последние годы был достигнут значительный методологический и технический прогресс в области анализа ассоциаций. Большой упор был сделан на анализ выборок неродственных пациентов и здоровых людей (выборка типа "случай-контроль"), взятых из открытой популяции, а также на картирование бинарных и количественных признаков с использованием семейных данных (см. обзор). Для картирования QTL в родословных был разработан ряд методов анализа ассоциаций и программных пакетов, использующих информацию о передаче аллелей. Эти методы включают, например, ортогональный тест значимости внутрисемейной дисперсии (quantitative trait transmission disequilibrium test, QTDT) и метод тестирования ассоциаций на семейных данных (family-based association test, FBAT). Поскольку эти методы анализируют ассоциацию между признаком и передачей аллелей маркера, т.е. используют только внутрисемейную дисперсию, их результаты являются несмещенными даже в присутствии подразделенности (этнической гетерогенности) исследуемой популяции. Однако эти методы игнорируют большой объем информации, заключенный в межсемейной дисперсии, оставляя пространство для дальнейшего совершенствования методов картирования.

При анализе открытых и недавно смешанных популяций можно ожидать, что в выборку могут попасть этнически разные особи. В то же время, в популяциях, которые тщательно отбирались для анализа с использованием строгих критериев этнического происхождения, а также в генетически изолированных популяциях, риск подразделенности минимален. Более того, генетическая подразделенность может быть обнаружена с помощью генетических маркеров, и особи, значительно отличающиеся от остальной выборки, могут быть исключены из дальнейшего анализа, либо анализ может быть скорректирован на подразделенность.

В отсутствии подразделенности "золотым стандартом" статистической генетики является традиционная смешанная полигенная модель наследования признака y

y = + G + e,

где - популяционное среднее значение признака, G - вектор случайных полигенных эффектов, а e - вектор случайных остаточных эффектов. Эту модель можно расширить для исследования ассоциации, включив в нее элемент kg

y = + G + kg + e,

где k - эффект маркерного генотипа, а g - вектор маркерных генотипов. Такая модель, реализующая общий тест внутри - и межсемейной дисперсии, известна под названием модель измеренных генотипов (measured genotype, MG). Статистическая значимость эффекта полиморфизма маркерного локуса оценивается с помощью критерия отношения правдоподобия (при использовании максимума правдоподобия, maximum likelihood, ML) или теста Вальда (при использовании ограниченного максимума правдоподобия, restricted maximum likelihood, REML).

Подход MG является мощным инструментом анализа количественных признаков в ситуациях, когда эффекты подразделенности можно игнорировать. К сожалению, если анализируются большие родословные, что особенно часто бывает при исследовании генетически изолированных популяций или некоторых этнических подгрупп, метод измеренных генотипов требует большого объема вычислений. Это обусловлено необходимостью оценки параметров сложной смешанной модели для каждого тестируемого маркера. Проверка эффекта одного полиморфизма может занять от нескольких минут до нескольких часов и, следовательно, полногеномный анализ ассоциаций с применением этого метода потребует значительных вычислительных ресурсов; реализация такого подхода с применением одного компьютера не представляется практически возможной и анализ требует применения распределенных вычислений.

Другим существенным недостатком метода измеренных генотипов является то, что в его рамках невозможен эмпирический анализ значимости с помощью пермутаций и бутстрепа: пермутации значений признака в выборке родословных нарушают не только зависимость между маркером и признаком, но и зависимости между признаками родственников, обусловленные полигенным наследованием.

Мы исследовали альтернативные подходы к картированию QTL методом анализа ассоциаций в выборках родственников и разработали семейство новых, быстрых и простых методов полногеномного анализа ассоциаций с использованием смешанной модели и регрессии, GRAMMAR (Genomewide Rapid Association using Mixed Model And Regression).

Основная идея предложенного метода заключается в том, что анализ полигенной модели выполняется отдельно, с использованием информации о родственной структуре выборки, но без учета маркерных данных. Затем оценки средовых остатков признака, полученные в рамках этой модели и скорректированные на полигенную ковариацию и фиксированные эффекты, используются как количественный признак для анализа ассоциаций с каждым из множества маркеров. Этот анализ проводится классическими методами, применяемыми для анализа неродственных особей из популяции.

Было показано, что метод GRAMMAR является достаточно быстрым для проведения полногеномного анализа. В то же время, было показано, что GRAMMAR является консервативным тестом. Поэтому далее нами был предложен метод, позволяющий контролировать ошибку первого рода за счет использования полногеномной информации. Действительно, большинство локусов в геноме не ассоциировано с признаком и для них справедлива нулевая гипотеза об отсутствии ассоциации. По этим локусам можно оценить распределение статистики при справедливости нулевой гипотезы и скорректировать пороги значимости. Далее мы предложили использовать полногеномные данные, а не родословную, для оценки матрицы родства.

Данный метод, названный нами GRAMMAR-GC, позволяет повысить мощность метода GRAMMAR практически до уровня метода измеренных генотипов (Рис.1), который является теоретически наиболее мощным, но в тоже время чрезвычайно вычислительно сложным и практически не применимым при полногеномном анализе ассоциаций.

Одно из преимуществ методов GRAMMAR по сравнению с другими методами, позволяющими анализировать ассоциацию в родословных, состоит в том, что средовые остатки полигенной модели, используемые при анализе, свободны от семейных корреляций. Следовательно, структура данных становится взаимозаменяемой, и к ним можно применить технику пермутаций для получения эмпирических оценок границ значимости. Это свойство метода GRAMMAR также позволяет использовать для анализа целый ряд современных методов, разработанных для выборок "неродственных особей".

Другим преимуществом метода GRAMMAR по сравнению с существующими методами, позволяющими анализировать ассоциацию в родословных, является то, что GRAMMAR очень просто модифицировать для тестирования целого ряда моделей, например, включить дополнительные независимые переменные, учитывающие взаимодействие с полом и факторами внешней среды, взаимодействие между генами, эффект родительского происхождения аллелей и так далее. Недавно нами был реализован вариант GRAMMAR, позволяющий исследовать эффект родительского происхождения аллелей в полногеномном анализе ассоциаций.

Нами также была предложена реализация метода измеренных генотипов с помощью скор-теста, не требующего оценки дисперсии при альтернативном значении тестируемого параметра, которая может стать мощной альтернативой метода GRAMMAR. Подобная реализация была описана в независимой работе Чена и Абекасиса (Chen and Abecasis 2007) ; эта модель была расширена нами в пакете ProbABEL (Aulchenko and Struchalin 2010).

Следует отметить, что хотя новые методы были разработаны нами для анализа количественных признаков, они также применимы для анализа бинарных признаков. При этом получаемые оценки уровня значимости ассоциаций хорошо совпадают с таковыми, полученными при использовании более корректных (и вычислительно значительно более сложных) методов, разработанных специально для анализа бинарных признаков (личное сообщение, N. Pirastu).

Таким образом, нами был сформулирован и реализован ряд новых методов, позволяющих проводить полногеномный анализ ассоциаций

Рис. 1. Мощность методов измеренных генотипов, GRAMMAR-GC (перекрывающиеся верхние линии), GRAMMAR (серая линия) и GC (нижняя пунктирная линия) при разных значениях наследуемости и структурах родословных.

Ряды отличаются значениями наследуемости (от 30% до 80%), а колонки - структурой родословных: ядерные родословные (ЯР), родословная из молодой генетически изолированной популяции из Нидерландов (ERF) и идеализированная популяция свиней (ИПС). Ось Y каждой панели указывает мощность, тогда как ось X - долю дисперсии признака, объясненной исследуемым QTL. Кружки соответствуют эмпирическим оценкам мощности, посчитанным при = 0.01. Оценки мощности основаны на 1000 повторах для ЯР и ИПС и на 100 повторах для ERF.

признаков в выборках родственников. Эти методы не требуют априорного знания степени родства между исследуемыми особями (родословной), так как генетическое родство между особями оценивается с помощью геномных данных; эти методы позволяют проводить быстрые вычисления. В то же время мощность новых методов практически не уступает мощности метода измеренных генотипов, который является "золотым стандартом" для методов исследования ассоциаций по выборкам родственников.

Разработанные методы, а также большой набор существующих методов были реализованы в пакете прикладных программ для анализа полногеномных данных, GenABEL. Пакет распространяется свободно и доступен по адресу http://mga. bionet. nsc.ru/~yurii/ABEL.

Полногеномное исследование количественных признаков человека

Мы использовали разработанные методы и программное обеспечение для идентификации локусов, генетическая вариация которых ассоциирована с такими признаками, как уровень липидов в крови и рост человека. Кроме того, нами был исследован вопрос прогностической мощности геномного профилирования для предсказания исследованных признаков.

Генетические и физиологические основы метаболизма липидов хорошо изучены как на модельных объектах, так и на примере моногенных менделевских заболеваний. Не будет преувеличением сказать, что уровень липидов в крови человека - один из наиболее хорошо генетически изученных сложных количественных признаков человека. Более того, в отличие от большинства сложных количественных признаков человека, для уровней липидов известен ряд генов, вариация которых объясняет существенную долю дисперсии этих признаков в популяции (например, аллели е2/3/4 гена APOE). Таким образом, в методологическом смысле, изучение уровней липидов в крови человека предоставляет прекрасную возможность для тестирования метода полногеномного анализа ассоциаций: ожидается, что метод должен подтвердить ряд ранее известных локусов (таким образом, имеется "позитивный контроль").

Кроме того, идентификация геномных полиморфизмов, ассоциированных с уровнем липидов, представляет собой практическую ценность. Изменение уровней липидов сыворотки крови относительно нормы является одним из первостепенных факторов риска сердечнососудистых заболеваний. Теоретически, на основании генетического профиля риска возможна ранняя (до появления клинических симптомов) идентификация людей с повышенным риском гиперхолестеринемии. Это знание может быть критически важным для предотвращения как гиперхолестеринемии, так и, в конечном счете, сопутствующих сердечнососудистых заболеваний. Действительно, уровень холестерина в крови как правило может быть модифицирован с помощью изменения стиля жизни и питания, а также с помощью различных лекарственных препаратов.

Нами было проведено полногеномное исследование ассоциаций уровней липидов в сыворотке крови человека. Мы использовали данные из 16 когорт, собранных по всей Европе; общий объем выборки составлял от 17 797 до 22 562 человек; полногеномное генотипирование каждого образца проводилось с использованием более 300 тысяч SNP.

Результаты полногеномного анализа ассоциаций уровня общего холестерина - признака, не исследовавшегося ранее с помощью этого метода - представлены на Рис.2. Одиннадцать локусов показали ассоциацию с полногеномным уровнем значимости p-value < 5 Ч 10^-8. Для трех из этих локусов (FADS1/2/3, ABCG5/8, TMEM57) вовлеченность в контроль уровней липидов в популяциях человека была ранее не известна. Для остальных локусов ассоциация с уровнями других липидов (холестерина липопротеидов низкой плотности или триглицеридов) была ранее уже показана.

В целом, мы идентифицировали шесть новых локусов (FADS1/2/3, ABCG5/8, TMEM57, MADD-FOLH1, CTCF-PMRT8, DNAH11), значимо ассоциированных с уровнями липидов, и подтвердили 16 локусов, ассоциация которых с метаболизмом липидов была показана ранее в полногеномных исследованиях ассоциаций (Kathiresan et al. 2008a; Kathiresan et al. 2008b; Kooner et al. 2008; Willer et al. 2008) .

Ранее мы предположили, что исследование уровня липидов в крови человека может представлять также методологический интерес за счет того, что для некоторых липидов известны локусы, объясняющие большую долю дисперсии и представляющие, таким образом, "позитивный контроль". Наше исследование подтвердило это предположение: например, вариация в локусе LDLR была высоко значимо (p-value = 10^-23) ассоциирована с уровнем общего холестерина (Рис.2), а вариация в локусе CETP объясняла ~2% дисперсии уровня холестерина липопротеидов высокой плотности и была детектирована с p-value = 10^-93.

Рост тела является классическим примером полигенно наследуемого признака человека. Многочисленные исследования показали, что доля дисперсии роста, объясняемая семейными факторами, составляет 80-90%.

Рис. 2. Результаты полногеномного анализа ассоциаций уровня общего холестерина в крови в 16 популяционных когортах.

Сходство роста родственников в основном обусловлено генетическими факторами, поскольку эффекты негенетических причин сходства сибсов пренебрежимо малы. В то же время, как до, так и после недавно проведенных полногеномных исследований ассоциаций ни одного распространенного аллеля, объясняющего существенную долю дисперсии роста в популяции человека, идентифицировано не было (локус, наиболее сильно ассоциированный с нормальной вариацией роста - HMGA2 - объясняет только ~0.3% дисперсии).

Высокая наследуемость роста может быть объяснена как присутствием большого числа распространенных аллелей малого эффекта, так и присутствием большого числа редких аллелей с сильным эффектом на фенотип. При этом как распространенные, так и редкие аллели могут встречаться в рамках одного локуса. Например, такова аллельная архитектура локуса LDLR, принимающего участие в контроле уровня холестерина липопротеидов низкой плотности. Для идентификации распространенных аллелей малого эффекта наиболее эффективной стратегией является полногеномный анализ ассоциаций с использованием больших выборок. Однако этот метод неприменим для идентификации локусов, в которых встречаются редкие аллели, даже если таковые обладают большим эффектом на фенотип: распространенные полиморфизмы, используемые в ДНК-чипах, находятся в статистически слабой ассоциации с редкими полиморфизмами. Для идентификации локусов, содержащих редкие аллели с большим эффектом на фенотип, может применяться классический метод анализа сцепления. К сожалению, анализ сцепления позволяет идентифицировать только большие геномные регионы, содержащие как правило десятки или даже сотни генов. Однако если аллельная архитектура исследуемого локуса включает как редкие, так и распространенные аллели, можно ожидать, что анализ ассоциаций в регионе сцепления позволит провести точное картирование исследуемого локуса. При этом, в отличие от полногеномного анализа, можно применять более слабые критерии значимости, что позволит идентифицировать локусы, которые невозможно обнаружить только с помощью полногеномного анализа ассоциаций.

Таким образом, анализ сцепления с последующим анализом ассоциаций является стратегией, которая может позволить идентифицировать локусы со смешанной аллельной архитектурой. Мы применили эту стратегию для исследования генетики роста человека. Исследование было проведено в рамках консорциума по генетике генетически изолированных популяций (EUROSPAN). Анализ сцепления был проведен на материале из четырех популяций. LOD score пяти хромосомных районов достиг границы возможного сцепления. Для трех из этих районов (хромосомы 2, 7 и 17) самое высокое значение LOD было получено при анализе объединенной выборки. В остальных двух районах сцепления (хромосомы 9 и 16) общее значение LOD было высоким благодаря сильному эффекту в одной из популяций при практически нулевом значении LOD в других популяциях. Следующим шагом было исследование ассоциаций между SNP и признаком в районах сцепления. Пять идентифицированных нами районов сцепления были большими, включая от 887 до 3176 SNP. В сумме было исследовано 9852 маркеров. Только в одном районе (хромосома 7) была найдена статистически значимая ассоциация с ростом при мета-анализе. В этом районе два соседних SNP (rs849140 и rs1635852) были ассоциированы с ростом (p < 0.05 после коррекции Бонферрони на 9852 протестированных SNP); более сильная ассоциация наблюдалась при анализе роста мужчин (Рис.3). Оба SNP локализованы в гене JAZF1. Последующая проверка rs849140 с привлечением дополнительного материала показала значимость ассоциации этого SNP с ростом тела.

Хотя окончательное доказательство того, что локус JAZF1 является примером смешанной аллельной архитектуры, может быть предоставлено только последующими исследованиями, общую стратегию поиска таких локусов, основанную на анализе ассоциаций в регионах сцепления, можно рассматривать как многообещающую. Следует отметить, что эта стратегия представляет собой вариант классической стратегии позиционного клонирования, незаслуженно забытой в последнее время.

Биологически чрезвычайно интересным представляется тот факт, что локус JAZF1 является примером плейотропного локуса - SNP rs849140, ассоциированный с ростом в нашем исследовании, также ассоциирован с диабетом второго типа и системной красной волчанкой. Другие SNP этого же локуса ассоциированы с раком простаты. Как для уровней липидов, так и для роста человека, нами был исследован потенциал использования геномных данных для предсказания этих признаков. Было показано, что геномные профили объясняют 4-6% дисперсии роста и 1-7% дисперсии липидов в разных популяциях. Также показано, что геномный профиль холестерина является статистически значимым, независимым от уровня циркулирующего холестерина, предиктором дислипидемии и толщины комплекса интима-медиа стенки сосуда. Кроме того, мы показали, что на современном этапе простое предсказание на основе фенотипов родственников (метод Гальтона)

Рис. 3. Ассоциация роста мужчин с SNP, расположенными в районе гена JAZF1 хромосомы 7.

Ось Y: -log₁₀ (номинальное p-value); ось X: позиция (пн) на хромосоме 7.

может значительно превосходить по качеству сложные предсказания на основе геномных данных. Так, для роста тела гальтоновское среднеродительское предсказание было на порядок лучше геномного предсказания. Дополнительное включение геномного профиля в гальтоновскую модель улучшало модель не значительно (Таб.3).

Мы рассмотрели вопрос, будет ли гальтоновское средне-родительское предсказание значительно лучше геномного предсказания для других фенотипов. Доля фенотипического разнообразия потомков, которое объясняется среднеродительским фенотипическим значением, выражается формулой (h²) ²/2, где h² - наследуемость признака. Мы показали, что 11 SNP объясняют 3-5% дисперсии общего холестерина; сходные оценки были получены для липопротеидов высокой и низкой плотности и триглицеридов. Эти признаки обычно проявляют около 30% наследуемости. Следовательно, гальтоновское предсказание не может объяснить более 5% дисперсии признака. Таким образом, для уровней липидов предсказание на основе геномных данных уже работает столь же хорошо (или столь же плохо) как гальтоновское. Однако геномные профили, в отличие от гальтоновского, имеют потенциал к совершенствованию по мере обнаружения новых локусов, влияющих на фенотип.

Таб. 3. Доля дисперсии, объясненной различными профилями.

* Д_5,95 - разница между средними значениями роста в верхних и нижних 5% распределения профиля. Два последних профиля тестировались на выборке участников ERF с известными фенотипами родителей (N = 257).

Генетическая архитектура признака является важным фактором, который следует рассматривать при оценке потенциала прогностического тестирования. Например, популяционное разнообразие цвета радужной оболочки глаза в значительной степени объясняется генетическим разнообразием единственного локуса (HERC2), и высокая точность предсказания достигается при использовании генотипов всего трех SNP. Однако для таких признаков как артериальное давление крови известно буквально несколько локусов, объясняющих лишь небольшую долю дисперсии; для таких признаков перспективы применения геномных профилей на данном этапе развития генетики значительно хуже.

Нами, как и другими исследователями, было показано, что при использовании строгих критериев полногеномной значимости (поправка Бонферрони или использование фиксированного граничного значения

p < 5 Ч 10^-8 для популяций европейского происхождения) результаты полногеномного анализа ассоциаций являются в целом хорошо воспроизводимыми при условии достаточного объема репликационной выборки. Например, из шести новых липидных локусов, описанных нами, пять было подтверждено в последующих независимых исследованиях. При проверке SNP, ассоциация которых с ростом считается установленной, на выборке Роттердамского исследования 34 из 54 SNP были значимо ассоциированы при б = 0.05, и только для двух SNP направление (не значимой) ассоциации с ростом не соответствовало описанному в первоначальных работах. При этом следует отметить, что при исследовании роста выборка Роттердамского исследования не являлась достаточно мощной для подтверждения всех ассоциаций, и, таким образом, отсутствие значимой ассоциации для некоторых локусов (с малым эффектом) не могло считаться доказательством отсутствия эффекта этих локусов. Сходным образом, 18 из 33-х ранее идентифицированных SNP, которые могли быть протестированы на ассоциацию с ростом в выборке EUROSPAN, показали ассоциацию с