Microarrays for genomics + transcriptomics
12 belangrijke vragen over Microarrays for genomics + transcriptomics
Wat maakt microarrays geschikt voor GWAS?
- stelt je in staat om miljoenen verschillende SNP loci tegelijk te analyseren
- GWAS --> genen die veel voorkomen (relatief), maar dan in combinatie wel bijdragen aan ziekte (bijv prostate cancer genes)
Wat is een case control GWAS studie?
Wat is het doel van GWAS studies?
Dus je kijkt of veelvoorkomende SNPS bijdragen aan veelvoorkomende ziektes
- Hogere cijfers + sneller leren
- Niets twee keer studeren
- 100% zeker alles onthouden
Leg uit welke factoren de uitkomst van GWAS beïnvloeden, dus wat kan een lage p-waarde opleveren?
- ten eerste: een associatie
- genotyping errors
- population stratification (vorm van batch effect) + admixture)
- overerfbaarheid van ziekte (ziekte moet wel genetische bijdrage hebben...)
- aantal genen/loci die betrokken zijn (hoe meer loci, hoe kleinere bijdrage per locus ---> moeilijk te detecteren)
- penetrance en expressivity.
- genetische heterogeniteit
Leg uit wat penetrance en expressivity inhouden.
Expressivity: severity of locus' effects
GWAS: beide dus erg laag. Rare diseases --> hoog
Hoe lager deze waarden, hoe moeilijker het is om een associatie te vinden (GWAS). Voor human diseases kan de penetrance erg van leeftijd afhangen --> sampling bias
+ expressivity kan gemoduleerd worden door omgeving, leefstijl
Leg population stratification en admixture uit + probleem voor GWAS.
- stratification: populaties zijn heterogeen in genetische ancestry
- admixture: genetic mixing between subpopulations in recent past
- je moet dus oppassen dat je niet gezond uit de ene subgroep haalt en case uit de andere groep. confounders.
- populatiestratificatie moet je in kaart brengen en rekening mee houden.
Leg een algemene counting method uit waar transcriptomics op gebaseerd is.
- controle cell en diseased/treated cell
- mRNA per gen tellen
- fold change bepalen
Wat vergelijk je met elkaar bij transcriptome analysis via microarrays?
Wat is de fold change?
Waarom wordt transcriptoom data log getransformeerd?
- het stabiliseert de variantie
- compresses the range data
- dwingt het naar een normaalverdeling
- ratio's zelf zijn niet symmetrisch --> moeilijker mee te werken dan log schaal, symmetrisch rond 0
Wat is meestal het minimale aantal cases dat onderzocht wordt bij GWAS? geef twee redenen.
- 1000 cases
- je gaat hypothese testen doen op elke individuele loci --> grote n nodig voor statistical power
- je kijkt naar genen die samen bijdragen aan ziekte --> individueel effect laag ---> grote n nodig om dit aan te kunnen tonen
Welke 3 ontwikkelingen hebben GWAS mogelijk gemaakt?
- een high resolution map van het humane genoom
- een betaalbare technologie voor genome wide SNP genotyping (microarrays) (probe per SNP site)
- computationele en statistische ontwikkelingen om data te kunnen analyseren en verschillen in allelfrequenties te identificeren. (odds ratios voor allel freq)
De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:
- Een unieke studie- en oefentool
- Nooit meer iets twee keer studeren
- Haal de cijfers waar je op hoopt
- 100% zeker alles onthouden