[發明專利]一種基于孟德爾隨機化預測復雜疾病及表型相關代謝物的方法在審
| 申請號： | 202010139836.5 | 申請日： | 2020-03-03 |
| 公開（公告）號： | CN111341448A | 公開（公告）日： | 2020-06-26 |
| 發明（設計）人： | 楊鐵林;張堃;郭燕;吳昊;郭婧;丁景苗 | 申請（專利權）人： | 西安交通大學 |
| 主分類號： | G16H50/30 | 分類號： | G16H50/30;G16B20/20 |
| 代理公司： | 西安通大專利代理有限責任公司 61200 | 代理人： | 李曉曉 |
| 地址： | 710049 *** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 孟德爾 隨機化 預測 復雜 疾病 表型 相關 代謝物 方法 | ||
1.一種基于孟德爾隨機化預測復雜疾病及表型相關代謝物的方法，其特征在于，包括以下步驟：
S1：血液代謝物全基因組關聯研究數據的收集與整理；
S2：對收集與整理的數據進行工具變量的篩選與去多效性；
S3：根據篩選的工具變量進行雙樣本孟德爾隨機化分析，綜合多種分析方法的效應值與敏感性分析的判定，得到與疾病或表型相關的代謝物。
2.根據權利要求1所述的基于孟德爾隨機化預測復雜疾病及表型相關代謝物的方法，其特征在于，
所述步驟S1具體包括：
S11：利用已有代謝物全基因組關聯研究的相關文獻收集研究數據；
S12：利用Meta分析對收集到的數據進行匯總；
S13：數據的格式整理，包括根據參考基因組信息矯正表型的效應堿基并進行效應值與其頻率的換算，去除頻率極低的SNP。
3.根據權利要求1所述的基于孟德爾隨機化預測復雜疾病及表型相關代謝物的方法，其特征在于，
所述步驟S2具體包括：
S21：使用PLINK中的clump算法分別篩選與每一個血液代謝物在全基因組范圍內顯著相關并獨立的SNPs；
S22：根據初步篩選得到的每個代謝物的特征性SNPs，在研究疾病或表型的全基因組關聯研究數據中進行信息提取，得到其對結局變量的效應值與標準差并生成結局變量文件；
S23：根據得到的結局變量的SNPs，提取其對每個代謝物的效應值與標準差，生成暴露因素文件；
S24：對生成的結局變量文件與暴露因素文件進行匹配，通過Radial MR分析篩選具有水平多效性的SNPs，并在原有的輸入文件中去除檢測到的多效性SNP，得到最終的工具變量。
4.根據權利要求3所述的基于孟德爾隨機化預測復雜疾病及表型相關代謝物的方法，其特征在于，
所述全基因組范圍內顯著相關是指相關因子p1×10-5；
所述最終的工具變量中還去除工具變量小于3個的代謝物。
5.根據權利要求1所述的基于孟德爾隨機化預測復雜疾病及表型相關代謝物的方法，其特征在于，
所述步驟S3具體包括：
S31：根據最終的暴露因素及結局變量文件，對每一個血液代謝物與疾病/表型的因果關系進行評估，具體涉及四種雙樣本孟德爾隨機化方法：逆方差加權法、中值加權法、基于眾數加權法以及MR-Egger回歸法，并利用SIMEX對MR-Egger的統計值進行檢驗與矯正；
S32：計算IVW與MR-Egger兩個方法的Q值與其對應的p值，并計算前者Q值與后者的Q值的差值，根據其在自由度為1時的p值選擇MR估計的主要方法；
S33：通過留一法對每個代謝物的工具變量進行敏感性分析，確保在分析過程中沒有主效SNP，如檢測到主效SNP應去除后重新進行MR分析并觀測結果；
S34：針對具有顯著效應值的代謝物，進一步通過MR-Egger的截距與Presso分析再次對其進行多效性評估，確保最終得到的結果無水平多效性的干擾。
6.根據權利要求5所述的基于孟德爾隨機化預測復雜疾病及表型相關代謝物的方法，其特征在于，
所述S32中，當p0.05時以MR-Egger為主要方法，當p0.05時以逆方差加權法作為主要方法，以多重矯正后的p值對結果顯著性進行篩選。
7.一種促進成人身高的營養品，其特征在于，該營養品中含有檸檬酸。
8.根據權利要求1所述的一種促進成人身高的營養品，其特征在于，該營養品適用于青春期開始后的人群。
9.根據權利要求1所述的一種促進成人身高的營養品，其特征在于，所述檸檬酸選自工業檸檬酸、檸檬或酸橙。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于西安交通大學，未經西安交通大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010139836.5/1.html，轉載請聲明來源鉆瓜專利網。
