Computational methods of analysis for gene expression and genomewide variation data

Abstract

My PhD thesis focuses on the computational methods and pipelines to analyse data of different types of genomic, transcriptomic and epigenomic data with applications to understand the aetiology of Gilles de la Tourette Syndrome (GTS), a psychiatric disorder of complex background. Advancements in microarray technologies have made possible the genomewide analysis of large patient cohorts producing vast amounts of data. The analysis of big data from microarray technologies has to tackle a wide-range of problems; from basic quality control to complex association models. Analysis of such big data are subjected to rigorous quality filters at variant and sample levels to remove technical problems which reduces the false positive results in the association. Here we put forward the computational methods and pipelines to address genomewide gene expression, Single Nucleotide Polymorphisms (SNPs), Copy Number Variants (CNVs) and DNA Methylation marker studies. Our applications on GTS shed light into the aetiology of the disorder, implicating several candidate susceptibility genes that warrant further investigation.

Η διδακτορική μου διατριβή επικεντρώνεται στις υπολογιστικές μεθόδους και τα σύνολα εντολών για την ανάλυση διαφορετικών τύπων γονιδιωματικών, μεταγραφικών και επιγονιδιωματικών δεδομένων με στόχο την κατανόηση της αιτιολογίας του συνδρόμου Gilles de la Tourette (GTS), μιας ψυχιατρικής διαταραχής πολύπλοκου υποβάθρου. Οι εξελίξεις στις τεχνολογίες μικροσυστοιχιών έχουν καταστήσει δυνατή την ανάλυση του γονιδιώματος μεγάλων ομάδων ασθενών παράγοντας τεράστιο όγκο δεδομένων. Η ανάλυση του μεγάλου όγκου δεδομένων από τις τεχνολογίες μικροσυστοιχιών πρέπει να αντιμετωπίσει ένα ευρύ φάσμα προβλημάτων, που εκτείνονται από το βασικό έλεγχο ποιότητας έως τα πολύπλοκα μοντέλα συσχέτισης. Η ανάλυση τέτοιων δεδομένων μεγάλου όγκου υποβάλλονται σε αυστηρό ποιοτικό έλεγχο τόσο σε επίπεδο παραλλαγών όσο και επίπεδο δειγμάτων για την εξάλειψη τεχνικών προβλημάτων που μειώνουν τα ψευδώς θετικά αποτελέσματα της συσχέτισης. Εδώ παρουσιάζουμε τις υπολογιστικές μεθόδους και τα σύνολα εντολών που χρησιμοποιούνται για την ανάλυση της γονιδιακής έκφρασης σε επίπεδο ολόκληρου του γονιδιώματος, των μονονουκλεοτιδικών πολυμορφισμών (SNPs), των παραλλαγών αριθμού αντιγράφων (CNVs) και των μελετών δεικτών μεθυλίωσης DNA. Η εφαρμογή των παραπάνω μεθόδων στο GTS ρίχνουν φως στην αιτιολογία της διαταραχής, εμπλέκοντας πολλά υποψήφια γονίδια προδιάθεσης που δικαιολογούν περαιτέρω διερεύνηση.