人类的面部形态代表了一组多维的，可遗传的，相互关联的复杂表型研究人员使用C—GWAS分析了78种面部形态表型结果显示，C—GWAS的基因位点检出率比传统方法提高了3倍，发现了17个影响脸型的新基因位点
通过进一步的验证分析和功能基因组学分析，研究人员表明，C—GWAS的结果比传统方法获得的结果具有更高的遗传多效性这显著提高了脸型的遗传解释，挖掘出的基因具有更清晰的生物发育功能，表明C—GWAS在分析多维复杂的表型遗传结构方面具有很大优势刘帆强调说
从现有的结果来看，C—GWAS是一种高效的算法，可以整合和分析多表型GWAS的聚集数据对基因多效性高度敏感，在复杂场景下具有很强的稳定性刘帆表示，C—GWAS在人类面部形态和表型分析中成功发现了一批新的遗传位点和功能基因，加深了人们对脸型遗传结构的认识未来，C—GWAS将用于分析更高维复杂表型的遗传结构，为人类表型群体间共享遗传因子网络的描述提供技术支持
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
