论文部分内容阅读
由于复杂疾病的广泛性、危害性和伴随的巨大财政投入,开展对骨质疏松、酒精依赖、高血压、糖尿病等复杂疾病的研究具有重要的意义。复杂疾病发生机制复杂,涉及众多遗传基因和环境因素的作用以及基因间的相互作用、基因与环境因素的相互作用。基于这样一个复杂系统,各种复杂疾病的基因定位研究与单基因疾病相比进展非常缓慢。本文试图采用新的统计遗传学方法开展骨质疏松的遗传机制研究。首次采用连锁排除分析法研究骨质疏松重要替代表型骨密度和骨大小基因组的排除区域,首次采用人工神经网络分析影响骨质疏松的重要的候选基因。 低骨密度是骨质疏松的主要决定因素,其遗传率很高。人们开展了大量关于骨密度变异的连锁和关联分析研究工作,然而,研究结果大都不太一致。连锁排除分析方法在基因定位中是一个非常有用的工具,但是对于基因组中骨密度变异的连锁排除分析还没有应用。在染色体1、4、6和17上基因组区域,我们对79个白种人群家系中1816个体的骨密度变异进行连锁排除分析。腰椎(L1-L4)和髋部骨密度通过双能X射线骨密度仪测量。染色体1、4、6和17上的微卫星标记分别有37、30、19和23个。基于方差成份分析的SOLAR软件用于多点连锁排除定位分析。对于髋部骨密度变异,我们排除了一些遗传效应大于或等于10%的区域。它们是1p35-p34上61～77cM,1q21-q23上167～196cM,1q42-q44上261～291cM,4q21-q25上85～112cM,4q31