Vererbungsmodus-optimierte Filtermethoden für die Mutationssuche in genomischen Hochdurchsatz-Sequenzdaten

用于高通量基因组序列数据突变搜索的遗传模式优化过滤方法

• 批准号: 201735836
• 负责人: Professor Dr. Peter Krawitz
• 金额: --
• 依托单位: Institut für Genomische Statistik und Bioinformatik
• 依托单位国家: 德国
• 项目类别: Research Grants
• 财政年份: 2011
• 资助国家: 德国
• 起止时间: 2010-12-31 至 2014-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/201735836?language=en
• 关键词: Vererbungsmodus; optimierte; Filtermethoden; die; Mutationssuche

Mit den neuen Hochdurchsatz-Sequenziertechnologien können nicht mehr nur einzelne Abschnitte des Genoms untersucht werden, sondern alle bekannten proteinkodierenden Gene eines Individuums auf einmal. Damit ergeben sich neuartige Möglichkeiten, aber auch Herausforderung bei der Suche nach krankheitsverursachenden Mutationen bei seltenen vererbten Krankheiten: War früher die Erzeugung der Sequenzrohdaten der Engpass, so ist es heute die effiziente computergestütze Analyse von Hochdurchsatz-Sequenzdaten, aufgrund der immensen Anzahl detektierter Sequenvarianten. Ziel unseres Projektes ist es, neuartige bioinformatische Filtermethoden für next generation sequencing (NGS) Datensätze zu entwickeln, die es erlauben in kombinierten, genomweiten Sequenzdaten vielversprechende Kandidaten zu identifizieren und krankheitsirrelevante Varianten auszusortieren, um dadurch die Anzahl der Mutationen, die einer anschließenden aufwändigeren funktionellen Analyse unterzogen werden müssen, drastisch zu reduzieren. Für autosomal rezessive Erkrankungen haben wir einen Algorithmus entwickelt, der die zu untersuchenden Kandidaten um das mehr als zehnfache reduzieren konnte. Nun werden statistische Modelle für verschiedene Vererbungsmodi (X-chromosal, autosomal-dominant), sowie Mischgewebe in der Tumorgenetik entwickelt. Von unserem Gesamtkonzept versprechen wir die krankheitsverursachende genetische Mutationen deutlich schneller identifizieren zu können.

mit den neuen hochdurchsatz-sequestenziertechnologyenkönnennicht mehr nur einzelne abschnitte des des des genoms untersucht werden，sondern alle proteinkodierenden基因个体Engpass Mmensen Anzahl detektierter secenvarianten（NGS） Datensätze Zu ENTWICKELN, Die Es Erlauben in Kombinierten, Genomweiten Sequenzdaten Kandidaten Zu Identifizieren UND KRANKHEITSIRELEVANTE VASZUSORTIANTEN UM DADURCH DIEHL MUTATIONEN n. für Autosomal Rezessive Erkrankungen Haben Wir Einen Algorithmus Entwickelt, Der Die Zu Untercenten Um DAS MEHR ALS ZEHNFACHE REDUZIEREN KONNTE. Wie MischGewebe in der tumorgenetik entwickelt。