跳到主要内容
访问密钥 NCBI主页 MyNCBI主页 主要内容 主导航
《美国流行病学杂志》。2011年8月1日;174(3): 253–260.
2011年7月11日在线发布。 数字对象标识:10.1093/aje/kwr193
预防性维修识别码:项目经理141081
PMID:21749974

PhenX工具包:从你的措施中获得最大收益

摘要

当数据可以在多个研究中合并或比较时,全基因组关联研究将表型与特定遗传变异联系起来的潜力大大增加。为了促进跨研究的复制和验证,RTI国际(北卡罗来纳州三角研究园)和国家人类基因组研究所(马里兰州贝塞斯达)正在就表型和eXposures(PhenX)项目的共识措施进行合作。PhenX的目标是为21个研究领域中的每个领域确定15项高优先级、成熟且广泛适用的措施。PhenX措施由领域专家工作组使用共识过程选择,其中包括来自科学界的投入。然后通过PhenX工具包向科学界免费提供选定的措施。因此,PhenX工具包为研究界提供了一套高质量、成熟、低负担的核心测量方法,用于大规模基因组研究。在实验设计阶段,PhenX措施的影响最大。PhenX工具包还包括与标准和资源的链接,以促进数据与传统数据的协调。广泛接受和使用PhenX测量将促进交叉研究比较,以提高识别和复制与复杂疾病以及基因-基因和基因-环境相互作用相关的变异的统计能力。

关键词:环境暴露、流行病学方法、遗传研究、遗传学、全基因组关联研究、meta分析作为主题、表型、研究设计

遗传学与常见复杂疾病的病因

将基因组学数据纳入以人群为基础的研究中,导致了全基因组关联研究的出现,以及科学家对常见复杂疾病的遗传学和病因学的思考方式的革命(1). 由于基因组技术的快速发展,研究人员现在可以分析数十万种遗传多态性(2,)针对一系列疾病表型来确定关联。全基因组关联研究有可能补充专注于生物化学途径和/或调节级联的研究,从而激发新的假设(4). 对疾病病因和机制的进一步了解将有助于开发干预措施,如新型预防或治疗药物。

尽管最近来自全基因组关联研究的报告已经确定了染色体位点与复杂人类疾病之间的大量关联(5)到目前为止,这些研究大多没有共同的措施(68). 重要的是要比较研究结果,以验证结果,并检测出当多个遗传多态性对常见疾病的贡献很小时通常发现的相对较弱的统计关联。此外,环境暴露可能会产生重要影响。这些包括环境因素的影响,包括周围环境、个人行为和可能影响疾病易感性、表现和进展的治疗。几组研究人员通过合并从补充研究中提取的元数据成功地扩大了研究人群(9,10). 对于一些疾病,如糖尿病和克罗恩病,通过荟萃分析汇集多个全基因组关联研究,发现了新的基因关联(1113). 然而,标准测量可以大大简化合并研究和验证结果的任务。随着时间的推移,标准测量的使用应使建立更大的人群进行交叉研究分析成为可能,从而提高统计能力和检测适度关联以及基因-基因和基因-环境相互作用的能力。

表型和eXposures(PhenX)工具包的一致性测量旨在为大规模基因组研究提供一套成熟、低负担、高质量的核心测量。在本报告中,我们描述了PhenX工具包的原理和发展,并强调了协作和协调工作。

标准措施的情况

有令人信服的理由推动使用标准(通用)措施进行全基因组关联研究和其他大规模基因组研究。

  • 许多常见的复杂疾病具有相似的潜在风险因素,如吸烟和饮食摄入(14)而看似不同的研究可能会使用不同的方法收集这些信息。标准表型和环境暴露测量将有助于结合广泛研究的数据。
  • 全基因组关联研究的初步结果需要在后续研究中重复(15). 标准测量将允许直接比较不同人群研究中收集的数据,以验证初步发现。
  • 通过合并研究可以提高统计能力,这将有助于识别和验证相对较弱的关联和更复杂的关系,如基因-基因和基因-环境相互作用(16).
  • 一个容易获得的标准测量和相关协议来源将帮助研究人员扩大研究范围,将其主要研究重点以外的测量纳入其中。

结果

PhenX-项目

PhenX项目由RTI International(北卡罗来纳州三角研究园)牵头,由美国国立卫生研究院(NIH)的国家人类基因组研究所(马里兰州贝塞斯达)资助。PhenX的目标是为21个研究领域中的每一个领域确定并编目15项高质量、低负担、成熟的措施和配套标准协议。PhenX测量可通过基于Web的工具包向科学界提供(https://www.phenxtoolkit.org/).

PhenX-过程

PhenX指导委员会由12名在流行病学、生物统计学和基因组学研究方面具有专业知识的科学家组成,他们在整个项目中提供指导。指导委员会最初选择并定义了20个研究领域,这些领域是项目的重点(表1). 通过与国家卫生研究院行为和社会科学研究办公室的合作,PhenX项目增加了一个额外的社会环境领域。PhenX领域是一个研究领域,具有统一的主题和易于枚举的定量和定性度量。领域包括人口统计学、人体测量学、器官系统(例如神经病学、胃肠道)、复杂疾病(例如癌症、心血管病)和生活方式因素(例如酒精、烟草和其他物质;身体活动和身体健康)。国家卫生研究院和中心的联络人参加了芬克斯的活动,包括提名指导委员会和工作组成员,并被邀请参加所有指导委员会会议和工作组会议。联络人与其研究所和中心交换相关信息,帮助确保PhenX与相关NIH计划协调,并提供额外的内容专业知识。

表1。

PhenX项目中划定的研究领域

酒精、烟草和其他物质
人体测量学
癌症
心血管
人口统计学的
糖尿病
环境暴露
胃肠道
传染病与免疫
神经病学
营养和膳食补充剂
眼睛
口腔健康
体育活动和健身
精神病学的
心理社会学
生殖健康
呼吸系统
皮肤、骨骼、肌肉和关节
社会环境
演讲和听力

缩写:PhenX,表型和表型的一致度量。

由RTI国际(北卡罗来纳州三角研究园)和国家人类基因组研究所(马里兰州贝塞斯达)开发。

为了解决每一个PhenX研究领域的问题,成立了一个领域专家工作组。工作组由来自学术和政府机构的6-9名领域专家组成。工作组成员经过精心挑选,包括在流行病学和基因组学研究领域具有专业知识和经验的成员。每个工作组成员都承诺参与协商一致过程,该过程通常需要7-9个月,包括一次现场会议和4-6次电话会议。工作组主席发挥着关键作用,在基于共识的整个过程中领导工作组。工作组参与者在项目门户上得到认可(https://www.phenx.org/). 工作组召集并使用基于共识的流程,选择15项措施纳入PhenX工具包。将每个域的度量值数量限制为15个,可以确保工具包只包含最高优先级、完善的度量值,并使工具包保持可管理的大小。

PhenX工具包主要是为那些希望将其疾病特异性研究扩展到其他领域的研究人员设计的,并且这些研究人员不太可能有足够的资源从其主要关注范围之外的其他研究领域添加多个指标。工具包提供了各种措施;由研究人员决定PhenX的哪些指标(以及多少)要纳入其总体研究设计。选择PhenX措施的整个过程概述如下图1.

保存图片、插图等的外部文件。对象名称为amjepidkwr193f01_4c.jpg

Phenotypes and eXposures(PhenX)项目共识度量中使用的共识过程。SC,指导委员会;工作组。

在任何基于基因组的研究中,一个主要关注点是确保准确评估感兴趣的表型和暴露。如果用于分析的数据不能可靠准确地反映表型或暴露,那么关联将无效。预计研究人员几乎肯定会使用多种更详细、潜在负担更高的指标来评估其主要研究兴趣,但会使用PhenX指标来扩大研究范围,以包括其他研究领域的指标。

指导委员会制定了以下标准来指导工作组的审议工作:

  • 工作组应选择行之有效的措施。久而久之,可能已经使用了成熟的措施和/或来自高度重视的来源。PhenX的目的不是制定新的措施,而是推荐已经成功使用的措施。
  • 工作组应选择措施和随附协议,以获取可供在该特定领域没有专业知识的科学家使用的措施。
  • 对研究参与者和研究人员的负担进行评估。建议工作组选择调查人员和参与者负担相对较低的措施。要求工作组考虑管理协议所需的时间、所需的设备和技能,以及数据收集和分析的总体成本和复杂性。可以包括有限数量的更高缓冲措施。
  • 工作组应选择预计至少在未来几年内相关的措施。
  • 鼓励工作组选择广泛适用于各种人群的议定书。一项PhenX测量可能有多个上下文相关的协议,以适应寿命和性别差异。工作组认识到并讨论了文化差异对措施的潜在影响,并在选择具体方案时考虑到这一点。
  • 虽然PhenX的主要重点是对美国人口的研究,但也可以考虑国际措施和标准。鼓励其他国家的科学家使用PhenX工具包。

工作组审查并讨论了与其各自领域相关的许多措施,并选择了初步措施(最多25项),以推广到更广泛的科学界(图1). 这项外联工作旨在吸引更多的科学界专家对这些初步措施进行审查和评论。然后,工作组在其最后审议中考虑这一投入。决定纳入PhenX工具包的措施是一项艰巨的任务,每个工作组必须平衡指导委员会提出的选择标准。如果一项措施非常繁琐或过于尖端,不适合工具包,但工作组认为它与研究领域高度相关,则工作组可以决定将其纳入工具包的补充信息部分。补充信息可能包括金标准、高负担措施和/或最终未选择纳入工具包的初步措施。工作组同意的其他信息对用户可能也有价值。因此,补充信息为PhenX Toolkit用户提供了更多获取工作组专业知识和指导的途径。

PhenX-工具包

PhenX工具包介绍了工作组选择的措施和协议(https://www.phenxtoolkit.org/). 用户可以搜索或浏览Toolkit,通过将其添加到购物车中来选择感兴趣的度量值。从购物车中,用户可以请求提供收集度量数据所需信息的报告。工具包提供了度量的描述、与度量相关的详细协议以及其他相关信息:例如,选择的理由、所需的设备和培训以及参考。指导委员会设想将前几个领域作为整个PhenX工具包的构建块。因此,人口统计学、人体测量学以及酒精、烟草和其他物质被选为工作组要解决的前三个领域。有了这种方法,随后的工作组,如癌症或糖尿病工作组,可以审查工具包中已经存在的措施,然后决定这些措施是否足以用于其研究领域。初始21个域的设置已于2010年底完成,选定的度量都可在PhenX工具包中获得。

因为PhenX工具包包括获取测量数据的详细协议,所以工具包用户可以审查和评估特定协议是否适合他们的研究。预计访问工具包网站的研究人员将能够确定一些适用于其研究人群及其可用资源的PhenX指标。图2展示了PhenX Toolkit主页的屏幕截图;PhenX工具包的概述如所示表2(17).

表2。

定义PhenX工具包

PhenX工具包是什么PhenX工具包不是什么
建议纳入新研究或扩展现有研究的措施目录
一个允许研究人员浏览、搜索和选择测量值的数据库
交叉引用癌症生物医学信息网格通用数据元素
向科学界免费提供
不是一套新标准
不是一个新的表型本体论
不是数据存储库
不是生物银行
无限制性
非专有资源

缩写:PhenX,表型和eXposures的共识度量。

由RTI国际(北卡罗来纳州三角研究园)和国家人类基因组研究所(马里兰州贝塞斯达)开发。
保存图片、插图等的外部文件。对象名称为amjepidkwr193f02_4c.jpg

表型和eXposures(PhenX)工具包共识度量的主页。

PhenX Toolkit网站的访问者可以按研究领域进行浏览或使用关键字进行搜索。PhenX Toolkit用户可以选择度量值并将其保存在购物车中。用户可以很容易地在购物车中添加或删除度量值,因为他们可以决定哪些PhenX度量值对他们的研究最有帮助。PhenX工具包简要介绍了每项措施、其目的和纳入理由、收集措施数据的标准化协议、支持信息和参考。PhenX工具包描述了每项措施的要求,包括收集措施数据所需的人员和设备的详细信息。用户可以要求提供一份报告,提供其选择的详细信息,从而促进将这些措施纳入研究设计。此外,如果需要其他度量值(基本数据)来解释选定的度量值,工具包会向用户发出警报。例如,如果Toolkit用户选择“血压”,则会提示用户在购物车中添加“当前年龄”、“性别”、“种族”和“种族”(即特定的测量集合)。遵循简单的注册过程后,注册Toolkit用户可以保存多个购物车,并可以通过Toolkit网络与其他注册用户共享他们的购物车。这使得计划不同研究(或扩展现有研究)的研究人员能够共同工作,将一组常见的PhenX测量方法包括在内,以供未来分析。目前正在制定一份数据收集表,帮助调查人员收集与PhenX测量相关的数据。数据收集表还将便于研究人员将PhenX测量纳入其初步研究设计。

讨论

标准分析方法的使用

一旦个体被基因分型,该基因型可能与任何性状相关,而不仅仅是原始研究中的主要表型(14). 由于研究的许多目标(主要)表型是复杂的病况或疾病,因此通常收集关于多种危险因素和共病病况的数据。这不仅为初级表型,也为次级表型的交叉研究分析打开了大门(1821).

尽管报告清楚地表明了整合相关研究甚至跨学科数据的价值(22)迄今为止,大多数全基因组关联研究都集中于特定疾病或特征。PhenX工具包旨在帮助有兴趣扩大研究范围的调查人员将其主要专业领域以外的措施包括在内。例如,计划进行神经学研究的研究人员可以在PhenX神经学测量之外,在营养和膳食补充剂、癌症和呼吸领域选择PhenX测量。还值得注意的是,一些疾病或条件可能与相同的表型有关,例如肥胖伴心血管疾病和糖尿病。也许更重要的是,扩大基于基因组学的研究,以包括主要研究兴趣之外的表型,对于理解多效性遗传效应至关重要(23). 因此,随着研究人员扩大研究范围,纳入PhenX测量,似乎无关学科之间的新关系可能会被揭示。图3说明了将PhenX测量方法纳入个人研究的情况,以及将多个研究的数据结合起来的能力。

保存图片、插图等的外部文件。对象名称为amjepidkwr193f03_4c.jpg

使用表型和eXposures(PhenX)工具包共识措施的优点。心血管疾病。

为了实现数据互操作性,采用标准数据格式和词汇表至关重要(24). 在实验设计阶段和/或收集数据之前,将PhenX测量方法纳入个人研究,将使从多个基本无关的研究中轻松组合数据成为可能。结合研究可以提高统计能力,并能够检测出更微妙、更复杂、甚至可能是意料之外的基因关联。

PhenX工具包

限制。

PhenX工具包旨在帮助研究人员有效地扩大研究范围,但也存在局限性。要求每个工作组在决定将哪些措施纳入工具包时,平衡选择措施的多种标准(由指导委员会定义)。当前的局限性是:1)工具包不一定包括每个研究领域的黄金标准,因为这些措施的管理往往相当繁重;2) 工具包中没有包含有希望但相对较新的措施,因为这些措施尚未建立;和3)既定的协议没有修改(尽管一些工作组表示这可能是有益的)。

合作与协调。

PhenX研究人员目前正在与基因型和表型数据库(dbGaP)管理员合作(8) (网址:http://www.ncbi.nlm.nih.gov/gap/)基因组学公共人口项目(PG)(25) (网址:http://www.p3g.org/)、流行病学研究数据模式和协调平台(DataSHaPER)(26) (http://www.datashaper.org/)和国家医学图书馆(网址:http://www.nlm.nih.gov/). 这项工作的重点是开发一个一致的规则集,用于将PhenX度量映射到dbGaP研究变量以及DataSHaPER度量和变量。计划是在dbGaP和DataSHaPER中突出PhenX措施。这种方法的价值在于,访问dbGaP或DataSHaPER站点的调查人员能够很容易地识别这些资源中的PhenX测量值,从而促进数据共享和数据协调。此外,研究人员可能会发现扩展研究的机会,以包括与PG生物储存库。PhenX研究人员正在与国家医学图书馆合作,以确保PhenX符合NIH生物信息学的工作,如逻辑观察标识符名称和代码(27,28). 他们还与电子病历和基因组学协会合作(https://www.mc.vanderbilt.edu网址/)以便于共享电子病历中捕获的数据。

PhenX措施的使用将促进下游协调和元分析。合并研究和利用遗留数据的迫切需要导致了协调类似数据元素的努力。协调工作,如PG、 DataSHaPER和基因环境协会研究(GENEVA)联盟目前正在进行中。DataSHaPER专注于开发用于回顾性数据协调的工具(26). 日内瓦联合会建立了一个统一的基因分型、数据质量控制、分析和解释框架(14). 事实证明,能够比较或组合相关数据类型以进行荟萃分析的协调方法非常有效(29)而且永远是一个选择。

生物信息学。

由于根据2009年《美国复苏和再投资法》(第111–5号公法)提供了补充资金,PhenX正在扩展工具包的浏览和搜索功能,以更好地反映各个研究领域措施的相互关联性,并从工具包用户那里收集统计数据(如“前十大”措施)。目前,措施被组织成不同的组或集合,以便调查人员从不同的角度浏览工具包。例如,除了能够按“研究领域”浏览度量值外,用户还可以通过浏览“风险因素”或“生命阶段”等度量值集合来确定感兴趣的度量值。这种方法可以扩展,以帮助Toolkit用户评估复杂的疾病和状况。例如,研究人员可以使用工具包,找到与Sjögren综合征或代谢综合征相关的措施,即使这些措施可能是由几个不同的工作组选择的。智能查询工具帮助Toolkit用户使用关键字或概念查找度量值,并遍历整个Toolkit以提供相关度量值供考虑。目前正在为工具包开发数据收集表和数据字典,以便于调查人员收集和分析与PhenX测量相关的数据。还正在开发一份综合生物信息学绘图文件,该文件将把PhenX措施与各种资源和标准联系起来。

未来方向。

我们正在制定一项战略,以提高工具包的知名度,并促进流行病学家和其他调查人员使用它。根据Toolkit用户的反馈,我们希望继续更新Toolkit的功能。我们计划建立一个更新工具包内容的流程。随着互补性和相关研究工作的成熟,其中一些措施可能会纳入PhenX工具包。例如,患者报告结果测量系统(网址:http://www.nihpromis.org/)正在开发新的仪器来有效地获取患者提供的信息,以及NIH工具箱(http://www.nihtoolbox.org/)专注于开发神经和行为评估的新协议。

我们还设想,我们当前的合作成果将有助于在其他数据存储库和资源中绘制和突出PhenX措施。PhenX团队将继续欢迎更多合作机会。

总结

PhenX Toolkit为研究界提供了一套高质量、成熟、低负担的核心指标,用于全基因组关联研究和其他基于人群的研究。更具体地说,PhenX工具包将使研究人员更容易有效地扩大研究范围,将标准测量纳入其主要研究重点之外。广泛接受和使用PhenX测量将促进交叉研究比较,以提高识别和复制与复杂疾病以及基因-基因和基因-环境相互作用相关的变异的统计能力。希望PhenX工具包能被科学界广泛采用,推动合作与协作的新时代,促进跨学科、跨学科和转化研究。

致谢

作者单位:RTI International,Research Triangle Park,North Carolina(Carol M.Hamilton,Lisa C.Strader,Joseph G.Pratt,Deborah Maiese,Tabitha Hendershot,Jane A.Hammond,Wayne Huggins,Dean Jackman,Huaqin Pan,Destiney S.Nettles);马里兰州贝塞斯达国立卫生研究院国家人类基因组研究所(Heather A.Junkins,Erin M.Ramos);马里兰州巴尔的摩约翰霍普金斯大学彭博公共卫生学院流行病学系(Terri H.Beaty);马萨诸塞州波士顿大学医学院医学、神经病学、眼科、遗传学和基因组学系(Lindsay A.Farrer);马萨诸塞州波士顿市波士顿大学公共卫生学院流行病学和生物统计系(Lindsay A.Farrer);哈佛大学公共卫生学院流行病学系,马萨诸塞州波士顿(Peter Kraft);宾夕法尼亚州匹兹堡市匹兹堡大学口腔医学院口腔生物学系颅面和牙齿遗传学中心(玛丽·马拉齐塔);马萨诸塞州波士顿塔夫茨大学人类营养老化研究中心(Jose M.Ordovas);加利福尼亚州阿尔塔迪纳南加州大学齐尔卡神经遗传研究所(Carlos N.Pato);德克萨斯大学安德森癌症中心(Margaret R.Spitz);加州圣地亚哥RTI国际公司(Diane Wagener);华盛顿大学西雅图公共卫生与社区医学院流行病学系(米歇尔·威廉姆斯);马里兰州Chevy Chase国立卫生研究院院长办公室(William R.Harlan(退休));田纳西州纳什维尔范德比尔特大学人类遗传学研究中心(乔纳森·海恩斯);以及北卡罗来纳州三角研究园国家环境健康科学研究所流行病学分所(Richard K.Kwok,Destiney S.Nettles)。

这项工作得到了美国国家人类基因组研究所(U01 HG004597-01)的支持。

PhenX指导委员会为PhenX项目提供指导:Jonathan Haines(主席)、William R.Harlan(副主席)、Terri H.Beaty、Lindsay A.Farrer、Peter Kraft、Mary L.Marazita、Jose M.Ordovas、Carlos N.Pato、Erin Ramos、Margaret R.Spitz、Diane Wagener和Michelle Williams。PhenX工作组为该项目做出了重要贡献。特别是,作者感谢PhenX工作组主席(迄今为止)的专业知识和重大贡献:Deborah Hasin(酒精、烟草和其他物质);米歇尔·福曼(人体测量学);联合首席执行官克里斯汀·安布罗松和尼尔·卡波拉索(癌症);Tom Pearson(心血管);Craig Hanis(糖尿病);Myles Cockburn(人口学);Lynn Goldman(环境风险);Jeffery Vance(神经病学);Patrick J.Stover(营养和膳食补充剂);Co-Chair公司James Beck和Bryan Michalowicz(口腔健康);珍妮·维格斯(眼睛);联合主席比尔·哈斯克尔和里克·特洛伊亚诺(体力活动和身体健康);肯尼思·肯德勒(Kenneth S.Kendler)和乔丹·斯莫勒(Jordan Smoller)(精神病学)联合研究员;卡罗尔·霍格(生殖健康);和Edwin K.Silverman(呼吸)。

作者感谢Teri Manolio博士和Kimberly Tryka博士对手稿的批判性审查,感谢Michal Zmuda对人物设计的帮助,感谢August Gering和Laura Small的编辑审查。

利益冲突:未声明。

词汇表

缩写

数据安全程序流行病学研究数据模式与协调平台
数据库间隙P基因型和表型数据库
日内瓦基因环境关联研究
国家卫生研究院美国国立卫生研究院
PhenX公司表型和eXposure的一致性度量
P(P)G公司基因组学公共人口项目

工具书类

1Pennisi E.年度突破:人类基因变异。科学。2007;318(5858):1842–1843.[公共医学][谷歌学者]
2.国际HapMap联盟。人类基因组的单倍型图谱。自然。2005;437(7063):1299–1320. [PMC免费文章][公共医学][谷歌学者]
三。Manolio TA、Brooks LD、Collins FS。HapMap收集了对常见疾病遗传学的见解。临床投资杂志。2008;118(5):1590–1605. [PMC免费文章][公共医学][谷歌学者]
4Pearson TA、Manolio TA。如何解读全基因组关联研究。JAMA公司。2008;299(11):1335–1344.[公共医学][谷歌学者]
5Hindorff LA、Sethupathy P、Junkins HA等。人类疾病和特征全基因组关联位点的潜在病因学和功能意义。美国国家科学院院刊。2009;106(23):9362–9367. [PMC免费文章][公共医学][谷歌学者]
6.佐治亚州Thorisson,Muilu J,Brookes AJ。基因型-表型数据库:后基因组时代的挑战和解决方案。Nat Rev基因。2009;10(1):9–18.[公共医学][谷歌学者]
7Khoury MJ、Bertram L、Boffetta P等。全基因组关联研究、野外概况以及遗传变异和人类疾病知识库的开发。《美国流行病学杂志》。2009;170(3):269–279. [PMC免费文章][公共医学][谷歌学者]
8Mailman MD、Feolo M、Jin Y等。基因型和表型的NCBI dbGaP数据库。自然遗传学。2007;39(10):1181–1186. [PMC免费文章][公共医学][谷歌学者]
9Zeggini E、Scott LJ、Saxena R等。全基因组关联数据和大规模复制的荟萃分析确定了额外的2型糖尿病易感性位点。自然遗传学。2008;40(5):638–645. [PMC免费文章][公共医学][谷歌学者]
10Risch N,Herrell R,Lehner T等。5-羟色胺转运体基因(5-HTTLPR)、应激性生活事件和抑郁风险之间的相互作用:一项荟萃分析。JAMA公司。2009;301(23):2462–2471. [PMC免费文章][公共医学][谷歌学者]
11Cooper JD、Smyth DJ、Smiles AM等。全基因组关联研究数据的荟萃分析确定了额外的1型糖尿病风险位点。自然遗传学。2008;40(12):1399–1401. [PMC免费文章][公共医学][谷歌学者]
12Barrett JC、Hansoul S、Nicolae DL等。全基因组关联定义了30多个不同的克罗恩病易感位点。自然遗传学。2008;40(8):955–962. [PMC免费文章][公共医学][谷歌学者]
13Barrett JC、Clayton DG、Concannon P等。全基因组关联研究和荟萃分析发现,超过40个基因座影响1型糖尿病的风险。1型糖尿病遗传学联合会。自然遗传学。2009;41(6):703–707. [PMC免费文章][公共医学][谷歌学者]
14Manolio TA。多种疾病的全基因组协作关联研究:NHGRI人口基因组学办公室的项目。药物基因组学。2009;10(2):235–241. [PMC免费文章][公共医学][谷歌学者]
15Hunter DJ,Kraft P.从消防水管中饮水——全基因组关联研究中的统计问题。N英格兰医学杂志。2007;357(5):436–439.[公共医学][谷歌学者]
16Hunter DJ。人类疾病中的基因-环境相互作用。Nat Rev基因。2005;6(4):287–298.[公共医学][谷歌学者]
17Cimino JJ、Hayamizu TF、Bodenreider O等,《caBIG术语审查流程》。J生物识别信息。2009;42(3):571–580. [PMC免费文章][公共医学][谷歌学者]
18戈尔茨坦数据库。常见的遗传变异和人类特征。N英格兰医学杂志。2009;360(17):1696–1698.[公共医学][谷歌学者]
19Hirschhorn JN公司。全基因组关联研究——照亮生物途径。N英格兰医学杂志。2009;360(17):1699–1701.[公共医学][谷歌学者]
20.卡夫·P,亨特·DJ。遗传风险预测——我们到了吗?N英格兰医学杂志。2009;360(17):1701–1703.[公共医学][谷歌学者]
21Emilsson V,Thorleifsson G,Zhang B,等。基因表达的遗传学及其对疾病的影响。自然。2008;452(7186):423–428.[公共医学][谷歌学者]
22Yu W,Gwinn M,Clyne M等。人类基因组流行病学导航员。自然遗传学。2008;40(2):124–125.[公共医学][谷歌学者]
23Stover PJ、Harlan WR、Hammond JA等。PhenX:遗传学和流行病学的跨学科工具包。当前Opin Lipidol。2010;21(2):136–140. [PMC免费文章][公共医学][谷歌学者]
24Schad P、Mobley L、Hamilton CM。为合作研究构建生物医学网络基础设施。《美国医学杂志》。2011;40(5补充2):S144–S150。 [PMC免费文章][公共医学][谷歌学者]
25Knoppers BM、Fortier I、Legault D等。基因组学公共人口项目(P3G):概念证明?《欧洲人类遗传学杂志》。2008;16(6):664–665.[公共医学][谷歌学者]
26Fortier I、Burton PR、Robson PJ等,《质量、数量与和谐:整合生物临床研究数据的DataSHaPER方法》。国际流行病学杂志。2010;39(5):1383–1393. [PMC免费文章][公共医学][谷歌学者]
27Forrey AW、McDonald CJ、DeMoor G等。逻辑观察标识符名称和代码(LOINC)数据库:临床实验室测试结果电子报告的一组公用代码和名称。临床化学。1996;42(1):81–90.[公共医学][谷歌学者]
28McDonald CJ、Huff SM、Suico JG等。LOINC,识别实验室观察的通用标准:5年更新。临床化学。2003;49(4):624–633.[公共医学][谷歌学者]
29Voight BF、Scott LJ、Steinthorsdottir V等。通过大规模关联分析确定了12个2型糖尿病易感基因座。自然遗传学。2010;42(7):579–589. [PMC免费文章][公共医学][谷歌学者]

文章来自美国流行病学杂志由以下人员提供牛津大学出版社