Regulación genética específica del tipo celular de la expresión génica en tejidos humanos

El proyecto Genotype-Tissue Expression (GTEx) (1) y otros estudios (25) han demostrado que la regulación genética del transcriptoma está muy extendida. El Consorcio GTEx, en particular, ha creado un catálogo extenso de loci de rasgos cuantitativos de expresión y empalme en cis (cis-eQTL y cis-sQTL, respectivamente) en una amplia gama de tejidos, lo que demuestra que estos cis-eQTL y cis-sQTL (denominados colectivamente hasta aquí como QTL) son generalmente muy específicos de tejido o ampliamente compartidos, incluso en tejidos y órganos diferentes (1, 6). Sin embargo, la mayoría de estos estudios se han realizado utilizando muestras de tejido a granel heterogéneas que comprenden diversos tipos de células. Esto limita la potencia, la interpretación y las aplicaciones posteriores de los estudios QTL. Los efectos genéticos que están activos solo en tipos de células raras dentro de un tejido muestreado pueden pasar desapercibidos, una interpretación mecanicista del intercambio de QTL entre tejidos y otros contextos es complicada sin comprender las diferencias en la composición del tipo celular y la inferencia de los efectos moleculares posteriores de las variantes reguladoras sin la El contexto específico del tipo de célula es un desafío. Los esfuerzos para mapear los eQTL en tipos de células individuales se han restringido en gran medida a la sangre, utilizando tipos de células purificadas (711) o secuenciación unicelular (12).

Aunque hay muchos esfuerzos en curso para optimizar la secuenciación unicelular y de un solo núcleo de los tejidos humanos (13, 14), incluso como parte del Atlas de células humanas (15), estos métodos aún no son escalables a tamaños de muestra y una cobertura suficiente para lograr una potencia comparable con la de los estudios de eQTL a granel (dieciséis18). Sin embargo, los eQTL específicos del tipo de célula se pueden inferir computacionalmente a partir de mediciones de tejido en masa mediante el uso de proporciones estimadas o enriquecimientos de tipos de células relevantes para probar las interacciones con el genotipo. Hasta la fecha, estos enfoques solo se han aplicado a una gama limitada de tipos de células, como las células sanguíneas (19, 20) y adipocitos (21). Estos estudios identificaron miles de interacciones de tipos de células en los eQTL descubiertos en muestras de sangre total de grandes cohortes.[5683muestras([5683samples([5683muestras([5683samples(19); 2116 muestras, (20)], lo que indica que es probable que se identifique un gran número de interacciones expandiendo este tipo de análisis a otros tejidos y tipos de células.

Consorcio GTEx

Centro coordinador de análisis de datos y laboratorio (LDACC): François Aguet1, Shankara Anand1, Kristin G. Ardlie1, Stacey Gabriel1, Gad A. Getz1,2,3, Aaron Graubert1, Kane Hadley1, Robert E. Handsaker4,5,6, Katherine H. Huang1, Seva Kashin4,5,6, Xiao Li1, Daniel G. MacArthur5,7, Samuel R. Meier1, Jared L. Nedzel1, Duyen T. Nguyen1, Ayellet V. Segrè1,8, Ellen Todres1

Grupo de trabajo de análisis (financiado por las subvenciones del proyecto GTEx): François Aguet1, Shankara Anand1, Kristin G. Ardlie1, Brunilda Balliu9, Alvaro N. Barbeira10, Alexis Batalla11,12, Rodrigo Bonazzola10, Andrew Brown13,14, Christopher D. Brown15, Stephane E. Castel16,17, Donald F. Conrad18,19, Daniel J. Cotter20, Nancy Cox21, Sayantan Das22, Olivia M. de Goede20, Emmanouil T. Dermitzakis13,23,24, Jonah Einson16,25, Barbara E. Engelhardt26,27, Eleazar Eskin28, Tiffany Y. Eulalio29, Nicole M. Ferraro29, Elise D. Flynn16,17, Laure Fresard30, Eric R. Gamazon21,31,32,33, Diego Garrido-Martín34, Nicole R. Gay20, Gad A. Getz1,2,3, Michael J. Gloudemans29, Aaron Graubert1, Roderic Guigó34,35, Kane Hadley1, Andrew R. Hamel8,1, Robert E. Handsaker4,5,6, Yuan He11, Paul J. Hoffmandieciséis, Farhad Hormozdiari1,36, Lei Hou1,37, Katherine H. Huang1, Hae Kyung Im10, Brian Jo26,27, Silva Kasela16,17, Seva Kashin4,5,6, Manolis Kellis1,37, Sarah Kim-Hellmuth16,17,38, Alan Kwong22, Tuuli Lappalainen16,17, Xiao Li1, Xin Li30, Yanyu Liang10, Daniel G. MacArthur5,7, Serghei Mangul28,39, Samuel R. Meier1, Pejman Mohammadi16,17,40,41, Stephen B. Montgomery20,30, Manuel Muñoz-Aguirre34,42, Daniel C. Nachun30, Jared L. Nedzel1, Duyen T. Nguyen1, Andrew B. Nobel43, Meritxell Oliva10,44, YoSon Park15,45, Parque Yongjin1,37, El príncipe Parsana12, Abhiram S. Rao46, Ferran Reverter47, John M. Rouhana1,8, Chiara Sabatti48, Ashis Saha12, Ayellet V. Segrè1,8, Andrew D. Skol10,49, Matthew Stephens50, Barbara E. Extraña10,51, Benjamin J. Strober11, Nicole A. Teran30, Ellen Todres1, Ana Viñuela13,23,24,52, Gao Wang50, Xiaoquan Wen22, Fred Wright53, Valentin Wucher34, Yuxin Zou54

Grupo de trabajo de análisis (no financiado por subvenciones del proyecto GTEx): Pedro G. Ferreira55,56,57,58, Gen Li59, Marta Melé60, Esti Yeger-Lotem61,62

Leidos Biomedical — gestión de proyectos: María E. Barcus63Por Debra Bradbury63, Tanya Krubit63, Jeffrey A. McLean63, Liqun Qi63, Karna Robinson63, Nancy V. Roche63, Anna M. Smith63, Leslie Sobin63, David E. Tabor63, Anita Undale63

Sitios de origen de la recolección de muestras biológicas: Jason Bridge64, Lori E. Brighamsesenta y cinco, Barbara A. Foster66, Bryan M. Gillard66, Richard Hasz67, Marcus Hunter68, Christopher Johns69, Mark Johnson70, Ellen Karasik66, Gene Kopen71, William F. Leinweber71, Alisa McDonald71, Michael T. Moser66, Kevin Myer68, Kimberley D. Ramsey66, Brian Roe68, Saboor Shad71, Jeffrey A. Thomas71,70, Gary Walters70, Michael Washington70, Joseph Wheeler69

Recurso básico de bioespecímenes: Scott D. Jewell72, Daniel C. Rohrer72, Dana R. Valley72

Repositorio del banco de cerebros: David A. Davis73, Deborah C. Mash73

Patología: María E. Barcus63, Philip A. Branton74, Leslie Sobin63

Estudio ELSI: Laura K. Barker75, Heather M. Gardiner75, Maghboeba Mosavel76, Laura A. Siminoff75

Integración y visualización de datos del navegador del genoma: Paul Flicek77, Maximilian Haeussler78, Thomas Juettemann77, W. James Kent78, Christopher M. Lee78, Conner C. Powell78, Kate R. Rosenbloom78, Magali Ruffier77, Dan Sheppard77, Kieron Taylor77, Stephen J. Trevanion77, Daniel R. Zerbino77

Grupos eGTEx: Nathan S. Abell20, Joshua Akey79, Lin Chen44, Kathryn Demanelis44, Jennifer A. Doherty80, Andrew P. Feinberg81, Kasper D. Hansen82, Peter F. Hickey83, Lei Hou1,37, Farzana Jasmine44, Lihua Jiang20, Rajinder Kaul84,85, Manolis Kellis1,37, Muhammad G. Kibriya44, Jin Billy Li20, Qin Li20, Shin Lin86, Sandra E. Linder20, Stephen B. Montgomery20,30, Meritxell Oliva10,44, Parque Yongjin1,37, Brandon L. Pierce44, Lindsay F. Rizzardi87, Andrew D. Skol10,49, Kevin S. Smith30, Michael Snyder20, John Stamatoyannopoulos84,88, Barbara E. Extraña10,51, Hua Tang20, Meng Wang20

Gestión de programas de los NIH: Philip A. Branton74, Latarsha J. Carithers74,89, Ping Guan74, Susan E. Koester90, A. Roger Little91, Helen M. Moore74, Concepción R. Nierras92, Abhi K. Rao74, Jimmie B. Vaught74, Simona Volpi93

1Broad Institute of MIT y Harvard, Cambridge, MA, EE. UU. 2Centro Oncológico y Departamento de Patología, Hospital General de Massachusetts, Boston, MA, EE. UU. 3Escuela de Medicina de Harvard, Boston, MA, USA. 4Departamento de Genética, Escuela de Medicina de Harvard, Boston, MA, EE. UU. 5Programa en Genética Médica y de Poblaciones, Broad Institute of MIT y Harvard, Cambridge, MA, EE. UU. 6Stanley Center for Psychiatric Research, Broad Institute of MIT y Harvard, Cambridge, MA, EE. UU. 7Unidad de Genética Analítica y Traslacional, Hospital General de Massachusetts, Boston, MA, EE. UU. 8Instituto de Genómica Ocular, Massachusetts Eye and Ear, Harvard Medical School, Boston, MA, EE. UU. 9Departamento de Biomatemáticas, Universidad de California, Los Ángeles, CA, EE. UU. 10Sección de Medicina Genética, Departamento de Medicina, Universidad de Chicago, Chicago, IL, EE. UU. 11Departamento de Ingeniería Biomédica, Universidad Johns Hopkins, Baltimore, MD, EE. UU. 12Departamento de Ciencias de la Computación, Universidad Johns Hopkins, Baltimore, MD, EE. UU. 13Departamento de Medicina Genética y Desarrollo, Facultad de Medicina de la Universidad de Ginebra, Ginebra, Suiza. 14Salud de la población y genómica, Universidad de Dundee, Dundee, Escocia, Reino Unido. 15Departamento de Genética, Universidad de Pensilvania, Facultad de Medicina Perelman, Filadelfia, PA, EE. UU. dieciséisNew York Genome Center, Nueva York, NY, EE. UU. 17Departamento de Biología de Sistemas, Universidad de Columbia, Nueva York, NY, EE. UU. 18Departamento de Genética, Facultad de Medicina de la Universidad de Washington, St. Louis, MO, EE. UU. 19División de Genética, Centro Nacional de Investigación de Primates de Oregón, Universidad de Salud y Ciencias de Oregón, Portland, Oregón, EE. UU. 20Departamento de Genética, Universidad de Stanford, Stanford, CA, EE. UU. 21División de Medicina Genética, Departamento de Medicina, Centro Médico de la Universidad de Vanderbilt, Nashville, TN, EE. UU. 22Departamento de Bioestadística, Universidad de Michigan, Ann Arbor, MI, EE. UU. 23Instituto de Genética y Genómica de Ginebra (iGE3), Universidad de Ginebra, Ginebra, Suiza. 24Instituto Suizo de Bioinformática, Ginebra, Suiza. 25Departamento de Informática Biomédica, Universidad de Columbia, Nueva York, NY, EE. UU. 26Departamento de Ciencias de la Computación, Universidad de Princeton, Princeton, Nueva Jersey, EE. UU. 27Centro de Estadística y Aprendizaje Automático, Universidad de Princeton, Princeton, Nueva Jersey, EE. UU. 28Departamento de Ciencias de la Computación, Universidad de California, Los Ángeles, CA, EE. UU. 29Programa en Informática Biomédica, Facultad de Medicina de la Universidad de Stanford, Stanford, CA, EE. UU. 30Departamento de Patología, Universidad de Stanford, Stanford, CA, EE. UU. 31Instituto de Ciencia de Datos, Universidad de Vanderbilt, Nashville, TN, EE. UU. 32Clare Hall, Universidad de Cambridge, Cambridge, Reino Unido. 33Unidad de Epidemiología del MRC, Universidad de Cambridge, Cambridge, Reino Unido. 34Centro de Regulación Genómica (CRG), Instituto de Ciencia y Tecnología de Barcelona, ​​Barcelona, ​​Cataluña, España. 35Universitat Pompeu Fabra (UPF), Barcelona, ​​Cataluña, España. 36Departamento de Epidemiología, Harvard T.H. Escuela Chan de Salud Pública, Boston, MA, EE. UU. 37Laboratorio de Ciencias de la Computación e Inteligencia Artificial, Instituto de Tecnología de Massachusetts, Cambridge, MA, EE. UU. 38Genética Estadística, Instituto Max Planck de Psiquiatría, Munich, Alemania. 39Departamento de Farmacia Clínica, Facultad de Farmacia, Universidad del Sur de California, Los Ángeles, CA, EE. UU. 40Instituto Traslacional de Investigación Scripps, La Jolla, CA, EE. UU. 41Departamento de Biología Integrativa Estructural y Computacional, The Scripps Research Institute, La Jolla, CA, EE. UU. 42Departamento de Estadística e Investigación Operativa, Universitat Politècnica de Catalunya (UPC), Barcelona, ​​Cataluña, España. 43Departamento de Estadística e Investigación de Operaciones y Departamento de Bioestadística, Universidad de Carolina del Norte, Chapel Hill, NC, EE. UU. 44Departamento de Ciencias de la Salud Pública, Universidad de Chicago, Chicago, IL, EE. UU. 45Departamento de Farmacología de Sistemas y Terapéutica Traslacional, Escuela de Medicina Perelman, Universidad de Pensilvania, Filadelfia, PA, EE. UU. 46Departamento de Bioingeniería, Universidad de Stanford, Stanford, CA, EE. UU. 47Departamento de Genética, Microbiología y Estadística, Universidad de Barcelona, ​​Barcelona, ​​España. 48Departamentos de Ciencia y Estadística de Datos Biomédicos, Universidad de Stanford, Stanford, CA, EE. UU. 49Departamento de Patología y Medicina de Laboratorio, Hospital de Niños Ann & Robert H. Lurie de Chicago, Chicago, IL, EE. UU. 50Departamento de Genética Humana, Universidad de Chicago, Chicago, IL, EE. UU. 51Centro de Medicina Genética, Departamento de Farmacología, Universidad Northwestern, Facultad de Medicina Feinberg, Chicago, IL, EE. UU. 52Departamento de Investigación de Gemelos y Epidemiología Genética, King’s College London, Londres, Reino Unido. 53Centro de Investigación Bioinformática y Departamentos de Estadística y Ciencias Biológicas, Universidad Estatal de Carolina del Norte, Raleigh, NC, EE. UU. 54Departamento de Estadística, Universidad de Chicago, Chicago, IL, EE. UU. 55Departamento de Ciencias de la Computación, Facultad de Ciencias, Universidad de Porto, Porto, Portugal. 56Instituto de Investigação e Inovação em Saúde, Universidad de Porto, Porto, Portugal. 57Instituto de Patología e Inmunología Molecular, Universidad de Porto, Porto, Portugal. 58Laboratorio de Inteligencia Artificial y Apoyo a la Decisión, Instituto de Ingeniería de Sistemas e Informática, Tecnología y Ciencia, Porto, Portugal. 59Mailman School of Public Health, Columbia University, Nueva York, NY, EE. UU. 60Departamento de Ciencias de la Vida, Centro de Supercomputación de Barcelona, ​​Barcelona, ​​España. 61Departamento de Bioquímica Clínica y Farmacología, Universidad Ben-Gurion del Negev, Beer-Sheva, Israel. 62Instituto Nacional de Biotecnología del Negev, Beer-Sheva, Israel. 63Leidos Biomedical, Rockville, MD, Estados Unidos. 64Servicios de trasplantes del norte del estado de Nueva York, Buffalo, NY, EE. UU. sesenta y cincoComunidad Regional de Trasplantes de Washington, Annandale, VA, EE. UU. 66Therapeutics, Roswell Park Comprehensive Cancer Center, Buffalo, NY, EE. UU. 67Programa de Donantes Gift of Life, Filadelfia, PA, EE. UU. 68LifeGift, Houston, TX, Estados Unidos. 69Center for Organ Recovery and Education, Pittsburgh, PA, EE. UU. 70LifeNet Health, Virginia Beach, VA. ESTADOS UNIDOS. 71Intercambio Nacional de Investigación de Enfermedades, Filadelfia, PA, EE. UU. 72Instituto de Investigación Van Andel, Grand Rapids, MI, EE. UU. 73Departamento de Neurología, Facultad de Medicina Miller de la Universidad de Miami, Miami, FL, EE. UU. 74Subdivisión de Investigación de Biorepositorios y Bioespecímenes, División de Tratamiento y Diagnóstico del Cáncer, Instituto Nacional del Cáncer, Institutos Nacionales de Salud, Bethesda, MD, EE. UU. 75Facultad de Salud Pública, Temple University, Filadelfia, PA, EE. UU. 76Universidad de Virginia Commonwealth, Richmond, VA, Estados Unidos. 77Laboratorio Europeo de Biología Molecular, Instituto Europeo de Bioinformática, Hinxton, Reino Unido. 78Instituto de Genómica, Universidad de California, Santa Cruz, CA, EE. UU. 79Laboratorio Carl Icahn, Universidad de Princeton, Princeton, Nueva Jersey, EE. UU. 80Departamento de Ciencias de la Salud de la Población, Universidad de Utah, Salt Lake City, UT, EE. UU. 81Departamentos de Medicina, Ingeniería Biomédica y Salud Mental, Universidad Johns Hopkins, Baltimore, MD, EE. UU. 82Departamento de Bioestadística, Facultad de Salud Pública Bloomberg, Universidad Johns Hopkins, Baltimore, MD, EE. UU. 83Departamento de Biología Médica, Instituto de Investigación Médica Walter y Eliza Hall, Parkville, Victoria, Australia. 84Instituto Altius de Ciencias Biomédicas, Seattle, WA, EE. UU. 85División de Genética, Universidad de Washington, Seattle, WA, EE. UU. 86Departamento de Cardiología, Universidad de Washington, Seattle, WA, EE. UU. 87Instituto HudsonAlpha de Biotecnología, Huntsville, AL, EE. UU. 88Ciencias del Genoma, Universidad de Washington, Seattle, WA, EE. UU. 89Instituto Nacional de Investigación Dental y Craneofacial, Institutos Nacionales de Salud, Bethesda, MD, EE. UU. 90División de Neurociencia y Ciencias Básicas del Comportamiento, Instituto Nacional de Salud Mental, Institutos Nacionales de Salud, Bethesda, MD, EE. UU. 91Instituto Nacional sobre el Abuso de Drogas, Bethesda, MD, EE. UU. 92Oficina de Coordinación Estratégica, División de Coordinación de Programas, Planificación e Iniciativas Estratégicas, Oficina del Director, Institutos Nacionales de Salud, Rockville, MD, EE. UU. 93División de Medicina Genómica, Instituto Nacional de Investigación del Genoma Humano, Bethesda, MD, EE. UU.

Expresiones de gratitud: Agradecemos a los donantes y sus familias por sus generosos obsequios de donación de órganos para trasplantes y donaciones de tejidos para el proyecto de investigación GTEx; agradecemos a M. Khan por las ilustraciones de la Fig. 1A. Fondos: Este trabajo fue financiado por las siguientes fuentes de financiación: beca Marie-Skłodowska Curie beca H2020 706636 (S.K.-H.); Subvención del NIH 1K99HG009916-01 (S.E.C.); Concesión de NIH R01HG002585 (G.W. y M.S.); BIO2015-70777-P, Ministerio de Economía y Competitividad y fondos FEDER (M.M.-A., V.W., R.G. y D.G.-M.); FPU15 / 03635, Ministerio de Educación, Cultura y Deporte (M.M-A.); Convenio Fundación “la Caixa” (CIF 100010434) LCF / BQ / SO15 / 52260001 (D.G.-M.); Programa IMI de la UE (UE7-DIRECT-115317-1) (A.V. y E.T.D.); Proyecto financiado por FNS RNA1 (31003A_149984) (A.V. y E.T.D.); Subvención del Fondo Leonístico de Investigación Ocular de Massachusetts (A.R.H.); MRC otorga MR / R023131 / 1 y MR / M004422 / 1 (K.S.S.); y Beca de Formación Biomédica en Big Data 5T32LM012424-03 (B.N.). El estudio TwinsUK fue financiado por Wellcome Trust y el Séptimo Programa Marco de la Comunidad Europea (FP7 / 2007-2013). El estudio TwinsUK también recibe el apoyo del Instituto Nacional de Investigación en Salud (NIHR), financiado por BioResource, Centro de Investigación Clínica y Centro de Investigación Biomédica con sede en Guy’s y St Thomas ‘NHS Foundation Trust en asociación con King’s College London. Este trabajo fue apoyado además por el Fondo Común de la Oficina del Director, los Institutos Nacionales de Salud de EE. UU. (NIH), y por el NCI, NHGRI, NHLBI, NIDA, NIMH, NIA, NIAID y NINDS a través de los contratos de los NIH HHSN261200800001E (Leidos Prime contrato con NCI: AMS, DET, NVR, JAM, LS, MEB, LQ, TK, DB, KR y AU), 10XS170 (NDRI: WFL, JAT, GK, AM, SS, RH, G.Wa., MJ , M.Wa., LEB, CJ, JW, BR, M.Hu., KM, LAS, HMG, M.Mo. y LKB), 10XS171 (Roswell Park Cancer Institute: BAF, MTM, EK, BMG, KDR y JB), 10X172 (Science Care), 12ST1039 (IDOX), 10ST1035 (Van Andel Institute: SDJ, DCR y DRV), HHSN268201000029C (Broad Institute: FA, GG, KGA, AVS, X.Li., ET, SG, AG, SA, KHH, DTN, KH, SRM y JLN), 5U41HG009494 (FA, GG y KGA), y a través de las subvenciones del NIH R01 DA006227-17 (University of Miami Brain Bank: DCM y DAD), Suplemento de Beca de la Universidad de Miami DA006227 (DC METRO. y DAD), R01 MH090941 (Universidad de Ginebra), R01 MH090951 y R01 MH090937 (Universidad de Chicago), R01 MH090936 (Universidad de Carolina del Norte – Chapel Hill), R01MH101814 (MM-A., VW, SBM, RG, ETD, DG-M. Y AV), U01HG007593 (SBM), R01MH101822 (CDB), U01HG007598 (MO y BES), U01MH104393 (APF). Extensión H002371 a 5U41HG002371 (WJK) así como otras fuentes de financiamiento: R01MH106842 (TL, PM, EF y PJH), R01HL142028 (TL, Si.Ka. y PJH), R01GM122924 (TL y SEC), R01MH107666 (HKI) , P30DK020595 (HKI), UM1HG008901 (TL), R01GM124486 (TL), R01HG010067 (Y.Pa.), R01HG002585 (G.Wa. y M.St.), Fundación Gordon y Betty Moore GBMF 4559 (G.Wa. y M.St.), R01HG006855 (Se.Ka., REH), subvención NIH CTSA UL1TR002550-01 (PM), R35HG010718 (ERG), R01MH109905, 1R01HG010480 (A.Ba.), Programa Searle Scholar (A.Ba.) , R01HG008150 (SBM), 5T32HG000044-22, Beca de capacitación institucional NHGRI en ciencia del genoma (NRG) y F32HG009987 (FH). Contribuciones de autor: S.K.-H., F.A. y T.L. concibió el estudio. S.K.-H. y F.A. dirigió la redacción, generación de figuras y edición del manuscrito y materiales complementarios. S.K.-H. análisis coordinados de todos los autores contribuyentes; S.K.-H. y F.A. generó pipelines y realizó mapeo iQTL; S.K.-H., F.A., M.O., M.M.-A., V.W., D.G.-M., S.M., B.N. y J.Q. realizó análisis comparativos de tipo celular; S.K. realizó la validación de ieQTL con datos de ASE utilizando el proceso de validación y los datos de ASE generados por S.E.C .; F.A., A.V. y A.L.R. realizó análisis de replicación; SEGUNDO. realizó un análisis de predicción de la actividad tisular QTL; S.K.-H. y S.E.C. datos generados para compartir tejidos (MASH); S.K.-H. realizó análisis de especificidad de tejido, análisis de múltiples tejidos y análisis de colocalización; A.R.H. realizó análisis QTLEnrich; G.W. y Y.Z. proporcionó soporte de software para análisis eQTL de múltiples tejidos; X.W. y H.K.I. brindó asesoramiento sobre análisis de colocalización; A.B., A.M.-P. y J.M.-S. contribuido al análisis de replicación; F.A. y K.G.A. generó y supervisó la generación de datos GTEx v8, LDACC, pipelines; A.N.B. y R.B. generó datos GWAS; K.S.S., M.S., H.S.X., G.G., E.T.D., H.K.I., R.G., A.V.S., B.E.S., K.G.A. y T.L. supervisó el trabajo de los aprendices en sus laboratorios; y M.O. y T.L. contribuido a la edición del manuscrito. Todos los autores leyeron y aprobaron el manuscrito final. Conflicto de intereses: F.A. es un inventor de una solicitud de patente relacionada con TensorQTL; SEGUNDO. es cofundador, director de tecnología y propietario de acciones en Variant Bio; J.Q. es un empleado de Pfizer; H.S.X. es un empleado de AbbVie; H.K.I. ha recibido honorarios de conferenciantes de GSK y AbbVie; E.T.D. es presidente y miembro del consejo de Hybridstat; G.G. recibe fondos de investigación de IBM y Pharmacyclics y es inventor de solicitudes de patentes relacionadas con MuTect, ABSOLUTE, MutSig, MSMuTect, MSMutSig, POLYSOLVER y TensorQTL. G.G. es fundador, consultor y posee acciones de propiedad privada en Scorpion Therapeutics; T.L. es miembro de la junta asesora científica de Variant Bio with equity y Goldfinch Bio. Miembros del consorcio GTEx: P.F. es miembro de los consejos asesores científicos de Fabric Genomics y Eagle Genomes. P.G.F. es socio de Bioinf2Bio. ERGIO. está en el Consejo Editorial de Circulation Research y es consultor para City of Hope / Beckman Research Institute; ABEJA. está en las juntas asesoras científicas de Celsius Therapeutics y Freenome; S.B.M. está en el consejo científico asesor de Prime Genomics; D.G.M. es cofundador con capital en Goldfinch Bio y ha recibido apoyo para la investigación de AbbVie, Astellas, Biogen, BioMarin, Eisai, Merck, Pfizer y Sanofi-Genzym. Disponibilidad de datos y materiales: Todos los datos de acceso abierto de GTEx, incluidas las estadísticas resumidas y las visualizaciones de los iQTL de tipo celular, están disponibles en el Portal de GTEx (https://gtexportal.org/home/datasets). Todos los datos protegidos por GTEx están disponibles a través de dbGaP (acceso phs000424.v8). El acceso a los datos de secuencia sin procesar ahora se proporciona a través de la plataforma AnVIL (https://gtexportal.org/home/protectedDataAccess). Ochenta y siete estadísticas resumidas de GWAS armonizadas e imputadas descritas en la tabla S3 están disponibles y vinculadas en https://github.com/hakyimlab/gtex-gwas-analysis y https://zenodo.org/record/3629742#.XxYGoy1h0Ux. Los estudios originales de GWAS se citan en (1). La canalización de mapeo QTL está disponible en https://github.com/broadinstitute/gtex-pipeline y https://doi.org/10.5281/zenodo.3727189y tensorQTL está disponible en https://github.com/broadinstitute/tensorqtl y https://doi.org/10.5281/zenodo.3726360. Los bioespecímenes de GTEx residuales se han almacenado y siguen estando disponibles como recurso para estudios adicionales (se puede solicitar acceso en el Portal de GTEx, en www.gtexportal.org/home/samplesPage).

Recent Articles

Musk: Tesla más barato listo ‘en unos tres años’

Por James ClaytonReportero de tecnología de América del Nortederechos de autor de la imagenimágenes falsasEl fundador de Tesla, Elon Musk, ha anunciado una tecnología...

Las mejores aplicaciones para iPhone y iPad en App Store

Las mejores aplicaciones para iPhone y iPad en Apple App Store para la semana que termina el 20/9/2022 de septiembre de 2020 17:14• 2...

Los objetivos de ransomware más vulnerables son las instituciones en las que más confiamos

Nota del editor (21/9/20): este artículo se publicó originalmente en línea el 23 de marzo de 2016. Lo volvemos a publicar a la luz...

Twitter permite que decenas de tweets que engañan a parejas interreligiosas indias permanezcan despiertos durante meses

Durante casi dos meses, los tuits de nacionalistas hindúes de extrema derecha en la India que molestaban a decenas de...

Related Stories

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí