51直播

基因-环境交互作用（Gene-Environment Interaction, G×E）分析可以挖掘遗传变异与环境暴露对于健康表型的交互作用效应，对于推动精准医学具有重要作用。近年来，全球范围内涌现出众多大型生物样本库（Biobank），收集数十万甚至上百万个体的基因型数据与电子健康记录（Electronic Health Record, EHR）数据，为全基因组基因-环境交互作用研究提供了重要的研究资源。尽管电子健康记录中有大量纵向数据（Longitudinal data），即个体在多个时间点的重复测量值。然而，目前绝大多数针对大样本的G×E分析方法仅适用于横截面数据，即每个个体仅包含单次测量值，无法适用于纵向数据。利用纵向数据是否能有效提升基因-环境交互作用的统计效力，找到更多重要的遗传靶点仍是领域内的未知问题。

近日，51直播-51直播网 毕文健团队在Nature Computational Science发表了题为Leveraging longitudinal data to boost statistical power for gene-environment interaction analysis的研究工作。针对上述大规模基因组学基因-环境交互作用分析的技术瓶颈，该工作提出了SAGELD算法，可以在有效控制样本亲缘关系的同时，对纵向数据进行快速、准确的全基因组基因-环境交互作用分析。