Studi di associazione genetica e disegno sperimantale caso- controllo
-
Upload
crs4-research-center-in-sardinia -
Category
Business
-
view
5.314 -
download
2
description
Transcript of Studi di associazione genetica e disegno sperimantale caso- controllo
Studi di associazione genetica e disegno sperimantale caso-
controlloApplicazioni allo studio del Diabete di Tipo1 e della
Sclerosi Multipla nella popolazione sarda
Ilenia [email protected]
Aula Magna Dipartimento di FisicaCittadella Universitaria di Monserrato
30 Marzo 2011
Thursday, March 31, 2011
Relatore: Ilenia Zara
Collana di Seminari per la Valorizzazione dei Risultati della Ricerca al CRS4
Info e registrazione: www.crs4.it
DATA FUSIONENERGIA E AMBIENTE
BIOMEDICINA
30.03.2011Seminario 16:00 -18:00 P.M.
AULA MAGNA DIP. FISICA Cittadella Universitaria - Monserrato
RelatoreIlenia ZaraCRS4
Contatti: [email protected]
I recenti sviluppi delle nuove piattaforme sperimentali consentono di studiare le caratteristiche genetiche di intere popolazioni utlizzando volumi di dati sempre crescenti con costi sempre minori. Questo tipo di studi rende necessaria l’interazione tra persone con una formazione medico/biologica e persone con competenze nei campi della statistica e dell’informatica.
Durante il seminario saranno illustrati i concetti genetico-statistici che stanno alla base degli studi GWAS e i risultati di ricerca ottenuti con tale approcio per identi!care varianti genetiche predisponenti al diabete di tipo 1, alla sclerosi multipla e alle malattie autoimmuni in generale, nella popolazione Sarda.
Seguici su:www.facebook.com/crs4fbwww.twitter.com/crs4research
Studi di associazione genetica e disegno sperimentale “caso controllo”:
applicazioni a diabete di tipo 1 e sclerosi multipla nella popolazione Sarda
I recenti sviluppi delle nuove piattaforme sperimentali consentono di studiare le caratteristiche genetiche di intere popolazioni utilizzando volumi di dati sempre crescenti con costi sempre minori. Questo tipo di studi rende necessaria l’interazione tra persone con una formazione medico/biologica e persone con competenze nei campi della statistica e dell’informatica.
Durante il seminario saranno illustrati i concetti genetico-statistici che stanno alla base degli studi GWAS e i risultati di ricerca ottenuti con tale approccio per identi!care varianti genetiche predisponenti al diabete di tipo 1, alla sclerosi multipla e alle malattie autoimmuni in generale, nella popolazione Sarda.
Thursday, March 31, 2011
Indice degli argomenti
• Background
• Studi di associazione
• Perchè questo studio sulla popolazione sarda?
• Workflow dello studio
• Risultati ottenuti
• Lavori in corso
Thursday, March 31, 2011
Variabilità genetica
• Le variazioni genetiche spiegano la maggior parte della variabilità osservata tra individui della stessa specie
• Il crossing-over è un meccanismo di ricombinazione del materiale genetico proveniente dai due genitori.
Thursday, March 31, 2011
Studi di associazione• Studio caso-controllo
An epidemiological study design in which cases with a defined condition and controls without this condition are sampled from the same population. Risk-factor information is compared between two groups to investigate the potential role of these in the etiology of the condition. Krina T. Zondervan and Lon R. Cardon “The complex interplay among factors that influence allelic association” - Nature Genetics Reviews - 2004
Thursday, March 31, 2011
Studi di associazione• Studio caso-controllo:
Variante genetica
Controlli: individui non a!etti Casi: individui a!etti
Thursday, March 31, 2011
Studi di associazione• Studio caso-controllo: caso ideale
• Malattie monogeniche, penetranza completa
Casi: individui a!ettiControlli: individui non a!etti
Variante genetica causale
Variante genetica protettiva
Thursday, March 31, 2011
Studi di associazione• Studio caso-controllo: malattie multifattoriali
Casi: individui a!ettiControlli: individui non a!etti
Variante genetica causale
Variante genetica protettiva
Thursday, March 31, 2011
Studi di associazione• Studio caso-controllo: malattie multifattoriali• p-value: probabilità che la variante considerata NON sia associata alla malattia
Casi: individui a!etti
No Associazione 1 > p-value > 0 Associazione
Controlli: individui non a!etti
Variante genetica protettiva
Variante genetica causale
Thursday, March 31, 2011
Studio caso-controllo
• Obiettivo: identificare varianti genetiche con frequenze diverse in casi e controlli, che possano rappresentare un fattore di rischio o protettivo verso l’insorgenza di una patologia.
• Assunzione: casi e controlli provengono da una popolazione omogenea e possono essere utilizzati per stimare le distribuzioni dei marcatori genetici nella popolazione sottostante.
Thursday, March 31, 2011
• Studio di associazione per tratti quantitativi• Correlazione tra variabilità genetica e fenotipica
Thursday, March 31, 2011
• Studio di associazione per tratti quantitativi
• Es. altezza
Thursday, March 31, 2011
• Studio di associazione per tratti quantitativi
• Es. altezza
Thursday, March 31, 2011
Tipi di studi• Genome-wide
– Studio il cui scopo è quello di identificare le varianti causali lungo tutto il genoma
• Candidate marker– Studio di un marcatore che si ritiene implicato nel meccanismo
di insorgenza di una patologia
• Candidate gene– Studio dei marcatori che cadono nella regione di un gene
• Fine mapping– Studio ad alta risoluzione di marcatori che cadono in un’intera
che può contenere uno o più geni
Thursday, March 31, 2011
Marcatori geneticiun marcatore genetico è costituito da una di!erenza nel
DNA tra due o più individui • Marcatori multiallelici o multiforme
– microsatelliti, inserzioni, delezioni– Copy Number Variations, Copy Number
Polymorphism– Riarrangiamenti su larga scala (duplicazioni,
traslocazioni, inversioni, etc.)
• SNPs (Polimorfismi a Singolo Nucleotide)
Thursday, March 31, 2011
Single Nucleotide Polymorphism (SNP)
• Marcatore biallelico
• Variazione di un singolo nucleotide in un altro
• Il polimorfismo è considerato stabile se osservato in almeno l’1% della popolazione
• ∼2001: prime applicazioni in laboratorio
Thursday, March 31, 2011
Single Nucleotide Polymorphism (SNP)
• Si stima che ci siano circa 30,000,000 SNPs nel genoma umano
• Nascono come mutazioni (MAF<1%)
• La maggior parte scompare ma alcuni si stabilizzano
• caso
• selezione naturale
Thursday, March 31, 2011
Progressi nelle tecnologie di genotipizzazione
1
103
10 100 1,000 10,000 100,000 1,000,000
2001
2002
2003
2004
2005
2006
2007
2008
2009
Next Generation Sequencing
Thursday, March 31, 2011
Due case produttrici di microarrays utilizzati in studi GWAS
A!ymetrix Genome-Wide
Human SNP 6.0 www.a!ymetrix.com
Illumina 1M Duo beadchip
www.illumina.com
Thursday, March 31, 2011
• Che cosa c’è in una probe?
www.a!ymetrix.com
Thursday, March 31, 2011
• Concetti base–Ibridazione–Lettura con scanner
ad alta risoluzione–Immagine
A. Angius - “High throughput genotyping and next generation sequencing: nuovi strumenti e strategie di analisi della ricerca genetica” - 16 febbraio 2011
Thursday, March 31, 2011
Quali SNPs?
Thursday, March 31, 2011
Progetto HapMap• Database pubblico dei pattern comuni di variazione
genetica nel genoma umano
• Scopo: fornire ai ricercatori una mappa aplotipica del genoma umano
Thursday, March 31, 2011
Linkage Disequilibrium• fenomeno per cui due o più alleli non segregano in
maniera indipendente• Gran parte del genoma cade
in segmenti di forte LD detti blocchi di aplotipi, separati da segmenti di basso LD
• All’interno di ciascun blocco le varianti presenti sono tra loro fortemente correlate e un piccolo numero di combinazioni di alleli distinti (aplotipi) rappresentano la maggior parte delle variazioni genetiche nella popolazione considerata
Thursday, March 31, 2011
Non è necessario studiare tutti gli SNPs del genoma!
Associazione diretta• Gli SNPs vengono testati
in base alle conoscenze a priori sulla loro funzione
Associazione indiretta• Gli SNPs vengono
genotipizzati in base al Linkage Disequilibrium
• L’individuazione della variane causale dipende dalla sua correlazione con la variante genotipizzata
Thursday, March 31, 2011
Workflow
• Studi di associazione Genome-Wide– Definizione casi e controlli
– Raccolta campioni biologici e dati clinici
– Genotipizzazione
– Controlli di qualità su individui e marcatori
– Analisi della struttura della popolazione
– Test di associazione
– Inferenza di marcatori non genotipizzati
– Annotazione dei risultati e selezione marcatori candidati e regioni corrispondenti
Thursday, March 31, 2011
Selezione casi e controlli
• Perchè la popolazione sarda?
• Perchè le malattie autoimmuni?
Thursday, March 31, 2011
• Perchè la popolazione sarda?
– Dimensione del campione adeguata al tipo di studio• Dimensione della popolazione abbastanza elevata da consentire
di mantenere una certa variabilità tra gli individui
– Popolazione Isolata• Assenza sostanziale di sottostruttura di popolazione (basso tasso
di immigrazione)
• Presenza di varianti comuni nei sardi e rare o assenti in altre popolazioni
• Nonostante sia una popolazione europea, si comporta come un outlier rispetto alla gamma di variabilità europea
Thursday, March 31, 2011
• Perchè la popolazione sarda?
Thursday, March 31, 2011
• Perchè le malattie autoimmuni?
– Alta incidenza di malattie autoimmuni in Sardegna• Es.: l’incidenza del Diabete di Tipo 1 è 5 volte maggiore che nel
resto d’Italia e pari all’incidenza osservata in Finlandia
– Altre ipotesi• Gli stessi fattori genetici che predispongono alle malattie
autoimmuni potrebbero in passato aver protetto la popolazione da alcune infezioni batteriche
• Protezione nei confronti di alcune forme di tumore (modelli murini)
• Longevità (ipotesi)
Thursday, March 31, 2011
• Perchè le malattie autoimmuni?
Thursday, March 31, 2011
• Perchè le malattie autoimmuni?
Thursday, March 31, 2011
• Perchè le malattie autoimmuni?
Thursday, March 31, 2011
Raccolta campioni biologici e dati clinici
• Raccolta iniziata circa 20 anni fa
• Gran numero di persone e istituzioni coinvolte
• ∼2500 volontari sani provenienti da vari centri trasfusionali e ospedali dell’isola
• ∼2500 pazienti a!etti da Sclerosi Multipla
• ∼1500 pazienti a!etti da Diabete di Tipo 1
• La raccolta dei campioni continua!
Thursday, March 31, 2011
Raccolta campioni biologici e dati clinici
• Accurata definizione dei fenotipi clinici
• Accurata selezione dei controlli rispetto al fenotipo da testare
• Età
• Sesso
• Appartenenza e!ettiva alla popolazione sarda
• Altri fenotipi presenti solo nei casi o solo nei controlli
Thursday, March 31, 2011
Database dati clinici (beta)
-> Seminario Gianmauro Cuccuru - “Approccio integrato alla gestione dati in ambito clinico e genetico” - 25 Maggio 2011
Thursday, March 31, 2011
Genotipizzazione
J. M. Korn, et al.: Integrated genotype calling and association analysis of SNPs, common copy number polymorphisms and rare CNVs. Nat. Genet. Technical Reports, ng237 (October 2008)
• ∼6700 individui
• ∼840 individui
• Non imparentati
• Trios
• Famiglie multigenerazionali con più a!etti per famiglia
Esempio: plot di calling per SNP A!ymetrix
Thursday, March 31, 2011
LIMS (beta)
-> Seminario Gian Franco Frau - “Laboratory Information Management System - Perchè e per cosa?” - 7 Settembre 2011
Thursday, March 31, 2011
Workflow
• Studi di associazione Genome-Wide– Definizione casi e controlli
– Raccolta campioni biologici e dati clinici
– Genotipizzazione
– Controlli di qualità su individui e marcatori
– Analisi della struttura della popolazione
– Test di associazione
– Inferenza di marcatori non genotipizzati
– Annotazione dei risultati e selezione marcatori candidati e regioni corrispondenti
Thursday, March 31, 2011
Controlli di qualità sugli individui
• Callrate >90%, 95%, 98%– % genotipi chiamati per individuo rispetto al totale
• Corrispondenza tra sesso annotato e sesso inferito– Sesso inferito in base all’eterozigosità del cromosoma X
• Verifica delle relazioni di parentela annotate– Mediante test di verosimiglianza tra genotipi reali e genotipi
attesi in base alla relazione di parentela dichiarata
– Test e!ettuato su oltre 5000 varianti di buona qualità altamente polimorfiche
Thursday, March 31, 2011
Controlli di qualità sugli SNPs
• Callrate > 95% o > 98%– % genotipi chiamati per un dato SNP sul totale degli
individui
• Assenza di deviazioni dall’equilibrio di Hardy-Weinberg nei controlli
p frequenza allele 1
q frequenza allele 2
Thursday, March 31, 2011
Controlli di qualità sugli SNPs
• Equilibrio di Hardy-Weinberg. Ipotesi:– Popolazione infinita– Assenza di flussi migratori– Non selezione– Non mutazione
• Eliminazione SNPs con HWEp<0.000001
• Un discostamento dall’equilibrio di Hardy-Weinberg nei casi può essere indice di associazione
Thursday, March 31, 2011
Controlli di qualità sugli SNPs
• Minor Allele Frequency– Alleli con frequenza < 1% sono varianti rare– Possono causare una diminuzione del potere di
identificazione delle deviazioni dall’HWE– Possono nascondere errori di genotipizzazione– Possono generare associazioni spurie, perchè possono
comparire in individui con fenotipi estremi
• Eliminazione marcatori con MAF<1% o MAF<5%
Thursday, March 31, 2011
Controlli di qualità sugli SNPs
• Eliminazione SNPs con eccesso di errori mendeliani
• Eliminazione SNPs con eccesso di maschi eterozigoti sul cromosoma X
• Eliminazione SNPs con eccessivo tasso d’errore su dupliche
Cut-o! definiti in base ai dati disponibili
Thursday, March 31, 2011
Passi successivi
–Selezione individui non imparentati per test di associazione
• Verifica dell’assenza di parenti
–Controlli su SNPs testati comunque• Controllo callrate nei soli casi e nei soli controlli
• Di!erenza tra callrate nei casi e callrate nei controlli non eccessiva
• Controllo MAF nei soli casi e nei soli controlli
• HWEp nei casi
Thursday, March 31, 2011
Analisi della sottostruttura di popolazione
• Stratificazione genetica: –fattore di confounding dovuto alla presenza di
di!erenze di frequenze alleliche tra casi e controlli non correlate al fenotipo di interesse
• Può portare all’identificazione di falsi positivi
Thursday, March 31, 2011
Analisi della sottostruttura di popolazione
• Principal Component Analysis (PCA)– Software Eigenstrat (http://genepath.med.harvard.edu/
~reich/EIGENSTRAT.htm)– Mediante analisi di matrici di covarianza riduce lo spazio dei
dati identificando gli assi di maggior variazione delle frequenze alleliche
– Consente di identificare outliers– Consente di e!ettuare un test di associazione corretto per
sottostruttura di popolazione
– Analisi e!ettuata su 100,000 SNPs di buona qualità, altamente polimorfici
Thursday, March 31, 2011
Test di associazione
• Errore per test multipli• Accettare un errore del 5% e testare 600,000 SNPs significa
accettare la possibilità di trovare
0.05 * 600,000 = 30,000 associazioni false
• Correzione di Bonferroni• Assumendo un errore del 5% e testando 600,000 SNPs la soglia di
significatività per il mio test è
0.05 / 600,000 = 8.3 * 10-8
• La correzione di Bonferroni assume però indipendenza tra i test e si rivela eccessivamente conservativa in presenza di LD
Thursday, March 31, 2011
Test di associazione
Thursday, March 31, 2011
Possibili svantaggi
• I patterns di LD nelle popolazioni HapMap possono non riflettere i patterns di LD nella popolazione oggetto dello studio
• Anche se gli SNPs selezionati per la creazione dei chips non sono random ma sono stati scelti per essere rappresentativi (tag SNPs), HapMap non è un database esaustivo
Thursday, March 31, 2011
Possibili svantaggi
• Abbiamo visto che il numero di casi e controlli necessario per trovare un’associazione dipende anche dal LD con la variante causale. In che modo?
Thursday, March 31, 2011
Possibili svantaggi
• Abbiamo visto che il numero di casi e controlli necessario per trovare un’associazione dipende anche dal LD con la variante causale. In che modo?
Soluzioni?
Thursday, March 31, 2011
Inferenza• I metodi di inferenza sviluppati da statistici e
informatici consentono di incrementare il numero di marcatori testati, a costi molto bassi rispetto a quelli degli esperimenti
• Nuovi genotipi possono essere inferiti a partire da diversi pannelli di referenza– HapMap ∼3 milioni di SNPs– 1000 Genomes Project ∼13 milioni di SNPs – Sequenze di individui Sardi ∼13 milioni di SNPs
Thursday, March 31, 2011
1000 Genomes Project
Thursday, March 31, 2011
1000 Genomes Project• Scopo
• fornire un catalogo completo di• varianti genetiche umane (freq.>=1%) • varianti con frequenza <1% nelle regioni dei geni
• dati di sequenza di alta qualità per l’85% del genoma
• 629 individui
• varie popolazioni Africa, Asia, Europa e America
• Il catalogo include SNPs, CNV, inserzioni e delezioni
• Il catalogo è fruibile gratuitamente
Thursday, March 31, 2011
Pannello sequenze sarde
• 508 individui sequenziati
• 13,313,964 SNPs identificati
• ∼45% presenti in dbSNP• http://www.ncbi.nlm.nih.gov/projects/SNP/
• ∼55% SNPs non descritti
-> Seminario Frederic Reinier - “Sequenziamento e analisi bioinformatica del genoma umano” - 11 Maggio 2011
Thursday, March 31, 2011
Inferenza di marcatori non genotipizzati
Thursday, March 31, 2011
Inferenza di marcatori non genotipizzati
Thursday, March 31, 2011
Inferenza di marcatori non genotipizzati
Thursday, March 31, 2011
Inferenza di marcatori non genotipizzati
-> Seminario Serena Sanna “L’inferenza statistica e la lettura dei dati”
Thursday, March 31, 2011
Annotazione Risultati
• Quali informazioni per ogni SNP?
• Risultati test di associazione
• Risultati controlli di qualità
• Gene in cui cade lo SNP o gene più vicino
• Posizione e distanza dello SNP rispetto al gene
• Tipologia dello SNP
• Funzione del gene, quando nota
Thursday, March 31, 2011
Ispezione visiva plot di calling
• casi e controlli
• casi
• controlli
Thursday, March 31, 2011
Ispezione visiva plot di calling
• casi e controlli
• casi
• controlliSNP da scartare!
Thursday, March 31, 2011
Cosa succede dopo l’associazione?
• Selezione marcatori candidati
• Estensione e validazione risutati
• Analisi aplotipiche nelle regioni selezionate
• Interpretazione biologica dei risultati
• Studi funzionali
• Studi su modelli animali
Thursday, March 31, 2011
• Estensione e validazione dei risultati– Genotipizzazione dei marcatori selezionati negli stessi
individui e calcolo del tasso di concordanza– Genotipizzazione in un dataset esteso– Genotipizzazione in un dataset di individui indipendente
http://www.appliedbiosystems.com/absite/us/en/home.html
Thursday, March 31, 2011
• Analisi condizionale– Valutazione della presenza di varianti associate indipendenti
nello stesso aplotipo– Valutazione dell’associazione dei marcatori rispetto
all’associazione degli aplotipi di cui fanno parte
• Studi funzionali– Studi dell’espressione dei geni in cui cadono gli SNPs
associati o dei gene vicini– Studi dei prodotti proteici dei geni in cui cadono gli SNPs
associati o dei gene vicini
• Studi su modelli animali– Studi funzionali su modelli animali delle patologie
Thursday, March 31, 2011
Primi risultati
Thursday, March 31, 2011
Primi risultati
Sanna S. et al. Variants within immunoregulatory CBLB gene are associated with multiple sclerosis Nat Genet 42(6):495-7 (2010)
Thursday, March 31, 2011
Primi risultati
Sanna S. et al. Variants within immunoregulatory CBLB gene are associated with multiple sclerosis Nat Genet 42(6):495-7 (2010)
Thursday, March 31, 2011
Primi risultati
• top SNP • genotipizzato, non presente in HapMap II
• presente solo nel chip A!ymetrix
• p-value su dati genotipizzati (882/872) ∼10^-5
• p-value dopo inferenza su HapMap III e 1000 Genomes ∼10^-6
• p-value estensione (1775/2005) ∼10^-6
• p-value joint analysis (2657/2877) ∼10^-10
Thursday, March 31, 2011
Primi risultati
• Il top SNP identificato spiega tutta l’associazione al locus in cui si trova
• Le analisi condizionali non hanno mostrato segnali indipendenti
• Anche l’associazione degli aplotipi è meno significativa di quella del marcatore singolo
Thursday, March 31, 2011
Ipotesi di interpretazione biologica
• Topi knock-out per l’ortologo di CBLB presentano alta suscettibilità allo sviluppo dell’encefalomielite autoimmune
• Il gene potrebbe avere un ruolo più generale nelle malattie autoimmuni
• è infatti un gene di suscettibilità per diverse malattie autoimmuni, tra cui il T1D, in diversi modelli murini
Chiang, Y.J. et al., Nature 403, 216-20 (2000)
Yokoi N. et al., Nat Genet 31(4), 391-4 (2002)
Mordes J.P., et al. ILAR J 45(3), 278-91 (2004)
Thursday, March 31, 2011
Ipotesi di interpretazione biologica
• Il processo infiammatorio nella MS è causato dall’attività dei linfociti T, che riconoscono la mielina come estranea e la attaccano
• Studi su modelli animali mettono in evidenza anche un ruolo dei linfociti B nello sviluppo della malattia
Thursday, March 31, 2011
Ipotesi di interpretazione biologica
• CBLB regola negativamente l’attività di TCR (T-cell receptors) e BCR (B-cell receptors)
Thursday, March 31, 2011
Ipotesi di interpretazione biologica
• CBLB regola negativamente l’attività di TCR (T-cell receptors) e BCR (B-cell receptors)
Thursday, March 31, 2011
Ipotesi aggiuntive
• Inoltre, altri studi hanno dimostrato che topi knock-out per il CBLB non sviluppano alcuni tipi di tumore
Loser, S. & Penninger, J.M. Semin. Immunol. 19, 206-214 (2007)
• Le variazioni nel gene CBLB sembrano essere critiche nel mantenimento del delicato equilibrio tra l’attivazione e la tolleranza immunologica con e!etti opposti nell’autoimmunità e nel cancro
Thursday, March 31, 2011
Lavori in corso• Estensione casistica (∼7000)
–GWAS Sclerosi Multipla• 1922 controlli• 2280 casi
–GWAS Diabete di Tipo 1• 1917 controlli• 1377 casi
–GWAS Autoimmunità (MS+T1D)• 1915 controlli• 3595 casi
Thursday, March 31, 2011
Lavori in corso• Nuove genotipizzazioni
– A!ymetrix 6.0– Illumina 1M
• Nuove sequenze– Illumina GA e HiSeq
• Nuova imputazione– 1000 Genomes– Sequenze Sarde
• Studi funzionali per capire meglio il ruolo di CBLB nella predisporre alla MS
Thursday, March 31, 2011
Ringraziamenti
Serena SannaMaristella PitzalisMagdalena ZoledziewskaCarlo SidoreRa!aele MurruMichael B WhalenFabio BusoneroAndrea MaschioGianna CostaMaria Cristina MelisFrancesca DeiddaFausto PoddieLaura MorelliGabriele FarinaYun LiMariano Dei
Sandra LaiAntonella MulasGianmauro CuccuruEleonora PorcuLiming LiangPatrizia ZavattariLoredana MoiElisa DeriuM Francesca UrruMichele BajorekMaria Anna SattaEleonora CoccoPaola FerrignoStefano SotgiuMaura PugliattiSebastiano Traccis
Andrea AngiusMaurizio MelisGiulio RosatiGonçalo R AbecasisManuela UdaMaria Giovanna MarrosuDavid SchlessingerFrancesco Cucca
Thursday, March 31, 2011
Ringraziamenti
Francesco CuccaChris Jones
Serena SannaEleonora PorcuCarlo SidoreMaria Valentini
Rossano AtzeniRiccardo BeruttiFrederic Reinier
Andrea AngiusRoberto CusanoMarco MarcelliManuela OppoRosella PiluMaria Francesca Urru
High Performance Computing and Network group - CRS4
Valorization and Transfert of Knowledge group - CRS4
Outreach Team - CRS4
Istituto di Ricerca Genetica e Biomedica - CNR
Progenia Team - Lanusei
Università di CagliariUniversità di Sassari
Tutti i volontari e i pazienti!
Thursday, March 31, 2011
Riferimenti• Sanna S. et al. A GWAS in Sardinians reveals a novel gene associated with multiple sclerosis - European
Society Of Human Genetics (ESHG) 2010
• Sanna S. et al. Variants within immunoregulatory CBLB gene are associated with multiple sclerosis Nat Genet 42(6):495-7 (2010)
• Sanna S. Genome-wide association studies: past, present future - Seminar (2009)
• Finny Kuruvilla, Broad Institute of Harvard and MIT Massachussetts General Hospital - Genotyping on the A!ymetrix platform using Birdseed (2077)
• Krina T. Zondervan and Lon R. Cardon The complex interplay among factors that influence allelic association Nat Genet Reviews (2004)
• Lampis et al. Human Molecular Genetics. 2000, 9, 2959-2965
• Pugliatti et al. (EBC), Eur J Neurol (2006)
• J. M. Korn, et al.: Integrated genotype calling and association analysis of SNPs, common copy number polymorphisms and rare CNVs. Nat. Genet. Technical Reports, ng237 (2008)
• Chiang, Y.J. et al., Nature 403, 216-20 (2000)
• Yokoi N. et al., Nat Genet 31(4), 391-4 (2002)
• Mordes J.P., et al. ILAR J 45(3), 278-91 (2004)
• Loser, S. & Penninger, J.M. Semin. Immunol. 19, 206-214 (2007)
Thursday, March 31, 2011
Links
• http://www.a!ymetrix.com
• http://www.illumina.com/
• http://www.appliedbiosystems.com/absite/us/en/home.html
• http://genepath.med.harvard.edu/~reich/EIGENSTRAT.htm
• http://hapmap.ncbi.nlm.nih.gov/
• http://www.1000genomes.org/
Thursday, March 31, 2011
Relatore: Riccardo Triunfo
La “rivoluzione digitale”, in atto da anni in tutti i settori della vita quotidiana, sta investendo in modo sempre più intensivo la medicina in generale e la pratica clinica: la tecnologia è ormai diventata un fattore pervasivo ed importante nell’ambito dei processi di cura, contribuendo a migliorare l’assistenza ai pazienti.
Durante il seminario, partendo dall’esperienza più che decennale del CRS4 in ricerca e sviluppo per l’impiego di informatica e tecnologia in campo medico, verranno presentate le attività di ricerca del gruppo Healthcare Flows nell’ambito delle applicazioni biomediche, dell’informatica clinica e della sanità elettronica, anche in stretta collaborazione con istituzioni sanitarie di eccellenza.
In particolare si parlerà di integrazione di sistemi clinici, sicurezza e tracciabilità nei processi sanitari, gestione semantica e computazionale di dati biomedici eterogenei, medicina distribuita e telemedicina.
prossimo appuntamento... 20 aprile 2011
Collana di Seminari per la Valorizzazione dei Risultati della Ricerca al CRS4
Info e registrazione: www.crs4.it
DATA FUSIONENERGIA E AMBIENTE
BIOMEDICINA
20.04.2011Seminario 11:00 -12:30 A.M.
SALA AUDITORIUM v ia Roma, 253 - Cagl iar i
RelatoreRiccardo TriunfoCRS4
Contatti: [email protected]
La “rivoluzione digitale”, in atto da anni in tutti i settori della vita quotidiana, sta investendo in modo sempre più intensivo la medicina in generale e la pratica clinica: la tecnologia è ormai diventata un fattore pervasivo ed importante nell’ambito dei processi di cura, contribuendo a migliorare l’assistenza ai pazienti.
Durante il seminario, partendo dall’esperienza più che decennale del CRS4 in ricerca e sviluppo per l’impiego di informatica e tecnologia in campo medico, verranno presentate le attività di ricerca del gruppo Healthcare Flows nell’ambito delle applicazioni biomediche, dell’informatica clinica e della sanità elettronica, anche in stretta collaborazione con istituzioni sanitarie di eccellenza.
In particolare si parlerà di integrazione di sistemi clinici, sicurezza e tracciabilità nei processi sanitari, gestione semantica e computazionale di dati biomedicieterogenei, medicina distribuita e telemedicina.
Seguici su:www.facebook.com/crs4fbwww.twitter.com/crs4research
Med
icine
goes
digi
tal
Thursday, March 31, 2011
Info e iscrizione: www.crs4.it
Risorse online
facebook.com/crs4fb
twitter.com/crs4research
slideshare.net/CRS4
youtube.com/CRS4video
contatti: [email protected]
Thursday, March 31, 2011