Skip to main content

Genidentifizierung bei multifaktoriellen Krankheiten

Genetisch-epidemiologische Methoden

Identification of genes related to multifactorial diseases

Genetic-epidemiologic methods

Zusammenfassung

Eine wichtige Aufgabe der genetischen Epidemiologie sind die Lokalisierung und Identifizierung von genetischen Faktoren, die an der Entstehung von Phänotypen beteiligt sind. Insbesondere multifaktorielle Krankheiten, die durch das Zusammenwirken verschiedener Gene und Umweltfaktoren verursacht werden, sind in den Fokus gerückt. Grundsätzliches Problem der genetischen Epidemiologie ist, dass das menschliche Genom aufgrund seines Umfangs eine erschöpfende biologische Untersuchung seiner Wirkungsweise nicht zulässt. Da aber sowohl innerhalb von Familien als auch auf Bevölkerungsebene die Ausprägungen der DNA-Variation korrelieren, ist es möglich, das Genom mit ausgewählten genetischen Markern repräsentativ abzubilden und diese mit statistischen Methoden zu analysieren. Eine Grobkartierung wird mittels Kopplungsanalyse durchgeführt, die die Kosegregation von Markern mit dem Phänotyp in Familien betrachtet. Die Feinkartierung der Kopplungsregionen erfolgt mit der Assoziationsanalyse, die die Häufigkeit von Allelen/Genotypen zwischen von der Krankheit Betroffenen und Nichtbetroffenen vergleicht. Das Kopplungsassoziationsparadigma wird zunehmend durch genomweite Assoziationsstudien (GWAS) ersetzt, die auf eine einleitende Kopplungsanalyse verzichten.

Abstract

It is an important goal of genetic epidemiology to localize and identify genetic factors that are involved in the development of a phenotype. In particular, multifactorial diseases have moved into focus. The basic problem of genetic epidemiology is that the biological function of the human genome cannot be comprehensively investigated because of its enormous size. There is, however, correlation of DNA variation both within families and on a population level. As a consequence, it is possible to represent the whole genome with selected genetic markers and to analyze them statistically. Mapping starts with linkage analysis, which considers cosegregation of markers and phenotype within families. Fine mapping of a linkage region is then left to association analysis, which compares allele or genotype frequencies between affected and unaffected probands. Nowadays, the linkage-association paradigm is often replaced by genome-wide association studies that do not rely on an initial linkage analysis.

This is a preview of subscription content, access via your institution.

Literatur

  1. 1.

    Armitage P (1955) Tests for linear trends in proportions and frequencies. Biometrics 11: 375–386

    Article  Google Scholar 

  2. 2.

    Becker T, Knapp M (2004) Maximum-Likelihood estimation of haplotype frequencies in nuclear families. Genet Epidemiol 27: 21–32

    PubMed  Article  Google Scholar 

  3. 3.

    Clark AG (2004) The role of haplotypes in candidate gene studies. Genet Epidemiol 27:321–333

    PubMed  Article  Google Scholar 

  4. 4.

    Clerget-Darpoux F, Bonaiti-Pellie C, Hochez J (1986) Effects of misspecifying genetic parameters in lod score analysis. Biometrics 42: 393–3999

    PubMed  Article  CAS  Google Scholar 

  5. 5.

    Elston RC (1998) Methods of linkage analysis – and the assumptions underlying them. Am J Hum Genet 63: 931–934

    PubMed  Article  CAS  Google Scholar 

  6. 6.

    Fischer EP (2002) Das Genom. Fischer Taschenbuch, Frankfurt am Main

  7. 7.

    International HapMap Consortium (2003) The International HapMap Project. Nature 426: 789–796

    Article  Google Scholar 

  8. 8.

    Lander ES (1996) The new genomics: global views of biology. Science 274: 536–539

    PubMed  Article  CAS  Google Scholar 

  9. 9.

    Marchini J, Donnelly P, Cardon LR (2005) Genome-wide strategies for detecting multiple loci that influence complex diseases. Nat Genet 37: 413–417

    PubMed  Article  CAS  Google Scholar 

  10. 10.

    Morton NE (1955) Sequential tests for the detection of linkage. Am J Hum Gent 7: 277–318

    CAS  Google Scholar 

  11. 11.

    Ott J (1999) Analysis of human genetic linkage. Johns Hopkins University Press, Baltimore

  12. 12.

    Risch N, Merikangas K (1996) The future of genetic studies of complex human diseases. Science 273: 1516–1517

    PubMed  Article  CAS  Google Scholar 

  13. 13.

    Spielman RS, McGinnis RE, Ewens WJ (1993) Transmission test for linkage disequilibrium: the insulin gene region and insulin-dependent diabetes mellitus (IDDM). Am J Hum Genet 52: 506–516

    PubMed  CAS  Google Scholar 

  14. 14.

    Steinthorsdottir V, Thorleifsson G, Reynisdottir I et al. (2007) A variant in CDKAl1 influences insulin response risk of type 2 diabetes. Nat Genet 39: 770–775

    PubMed  Article  CAS  Google Scholar 

Download references

Interessenkonflikt

Der korrespondierende Autor gibt an, dass kein Interessenkonflikt besteht.

Author information

Affiliations

Authors

Corresponding author

Correspondence to T. Becker.

Rights and permissions

Reprints and Permissions

About this article

Cite this article

Becker, T. Genidentifizierung bei multifaktoriellen Krankheiten. medgen 19, 300–303 (2007). https://doi.org/10.1007/s11825-007-0028-0

Download citation

Schlüsselwörter

  • Multifaktorielle Krankheiten
  • Kopplungsanalyse
  • Assoziationsanalyse
  • Haplotypen
  • SNP

Keywords

  • Multifactorial diseases
  • Linkage analysis
  • Association analysis
  • Haplotypes
  • SNP