Colocalization analysis of obesity related GWAS loci and serum protein quantitative trait loci

• Main Author: Guðmundur Björgvin Magnússon 1997-
• Other Authors: Háskóli Íslands
• Format: Thesis
• Language: English
• Published: 2020
• Subjects: Lífefnafræði; Offita; Arfgengi; Reykjavík; Svip
• Online Access: http://hdl.handle.net/1946/35775

Offita er ein stærsta heilsufarslega áskorun sem mannkynið hefur þurft að takast á við á 21. öldinni. Víðtækar erfðamengisleitir (GWAS) hafa skilað árangri í að bera kennsl á erfðaþætti sem virðast vera áhrifavaldar í breytilegu þyngdarfari milli fólks, en þó er að miklu leyti óljóst hvernig þessir þættir hafa áhrif á mældu svipgerðirnar. Í þessu verkefni var framkvæmd tölfræðileg greining á skörunum (colocalization analysis) milli gagna úr slíkum þyngdarfars- og fitudreyfinga erfðamengis leitum (GWAS) við gagnasett af erfðaþáttum sem tengdir hafa verið við breytilega tjáningu á próteinum (pQTLs) í blóðsermi. Markmið þessarar greiningar var að finna prótein með möguleg orsakatengsl við offitu og fitudreifingu. Þessi vinna byggir á umfangmiklum gögnum um svip- og arfgerðir rúmlega 5000 aldraða Íslendinga, sem safnað hefur verið í Öldrunarrannsókn Hjartaverndar. Við greiningu gagnanna fundust 48 erfðaþættir sem skarast marktækt milli gagnasettanna tveggja og 150 prótein sem tengjast hugsanlega breytileika í þyngdarfari og offitu. Obesity is one of the foremost healthcare challenges that humanity has had to deal with in the 21st century. Genome-wide association studies have had success in identifying genomic variants associated with adiposity and fat distribution but identifying causal genes involved with the traits has proven difficult. In this project obesity-related GWAS data was colocalized with blood serum protein quantitative trait loci (pQTLs) with the aim to identify causal candidates. The pQTL dataset was created as part of AGES-Reykjavík study, conducted by the Icelandic Heart Association, which features detailed phenotypic and genomic data of over 5000 elderly Icelanders. The analysis resulted in the identification of 48 genomic loci that exhibited strong support for colocalization between datasets, with 150 proteins exhibiting a potential causal relationship with the traits